掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
新時代·技術新未來知識圖譜與深度學習 版權信息
- ISBN：9787302538523
- 條形碼：9787302538523 ; 978-7-302-53852-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
新時代·技術新未來知識圖譜與深度學習 本書特色
知識就是力量，人工智能想要讓計算機像人一樣思考，同樣需要知識的力量。計算機實現人工智能需要哪些知識，這些知識要如何表示、獲取、計算以及使用，都是人工智能的重要研究課題。知識圖譜作為人類知識結構化形成的知識系統，是人工智能研究和智能信息服務的基礎核心技術，被廣泛應用于搜索引擎、問答系統、智能對話系統以及個性化推薦等知識驅動的領域。 為了更好地向讀者闡述知識智能方面的z新研究成果，作者整理出版了這部專著。本書內容包括語言知識和世界知識兩種類型知識，以及這兩類知識在表示學習、自動獲取與計算應用方面的z新探索。作為數據智能與知識智能的前沿研究方向，知識圖譜與深度學習的融合互動是人工智能的重要發展趨勢，本書對此做了全面梳理。作者希望能夠得到業內專家指正，也希望能夠吸引更多志同道合之士，共同探討未來專業發展方向。
新時代·技術新未來知識圖譜與深度學習 內容簡介
知識圖譜旨在將人類知識組織成結構化知識系統，是人工智能實現真正意義的理解、記憶與推理的重要基礎。知識圖譜作為典型的符號表示系統，如何有效用于機器學習算法，面臨著知識表示、知識獲取和計算推理等方面的諸多挑戰。近年來，以神經網絡為代表的深度學習技術引發了人工智能的新一輪浪潮。 本書介紹了作者團隊在知識圖譜與深度學習方面的研究成果，展現了數據驅動的深度學習與符號表示的知識圖譜之間相互補充和促進的技術趨勢。本書內容對于人工智能基礎研究具有一定的參考意義，既適合專業人士了解知識圖譜、深度學習和人工智能的前沿熱點，也適合對人工智能感興趣的本科生和研究生作為學習讀物。
新時代·技術新未來知識圖譜與深度學習 目錄
第1 章緒論.1
1.1 知識圖譜簡介2
1.2 深度學習的優勢和挑戰4
1.3 深度學習+ 知識圖譜=1 .8
1.3.1 知識的表示學習9
1.3.2 知識的自動獲取10
1.3.3 知識的計算應用13
1.4 本書結構14
1.5 本章總結14
**篇世界知識圖譜
第2 章世界知識的表示學習19
2.1 章節引言19
2.2 相關工作20
2.2.1 知識表示學習經典模型20
2.2.2 平移模型及其拓展模型22
2.3 基于復雜關系建模的知識表示學習25
2.3.1 算法模型.25
2.3.2 實驗分析.26
2.3.3 小結32
2.4 基于關系路徑建模的知識表示學習32
2.4.1 算法模型.32
2.4.2 實驗分析.34
2.4.3 小結39
vi j 知識圖譜與深度學習
2.5 基于屬性關系建模的知識表示學習39
2.5.1 算法模型.40
2.5.2 實驗分析.41
2.5.3 小結44
2.6 融合實體描述信息的知識表示學習44
2.6.1 算法模型.45
2.6.2 實驗分析.47
2.6.3 小結54
2.7 融合層次類型信息的知識表示學習55
2.7.1 算法模型.55
2.7.2 實驗分析.57
2.7.3 小結62
2.8 融合實體圖像信息的知識表示學習62
2.8.1 算法模型.63
2.8.2 實驗分析.64
2.8.3 小結68
2.9 本章總結68
第3 章世界知識的自動獲取70
3.1 章節引言70
3.2 相關工作71
3.2.1 有監督的關系抽取模型71
3.2.2 遠程監督的關系抽取模型.72
3.3 基于選擇性注意力機制的關系抽取73
3.3.1 算法模型.74
3.3.2 實驗分析.78
3.3.3 小結82
3.4 基于關系層次注意力機制的關系抽取83
3.4.1 算法模型.83
目錄j vii
3.4.2 實驗分析.86
3.4.3 小結89
3.5 基于選擇性注意力機制的多語言關系抽取.89
3.5.1 算法模型.90
3.5.2 實驗分析.93
3.5.3 小結98
3.6 引入對抗訓練的多語言關系抽取98
3.6.1 算法模型.99
3.6.2 實驗分析.103
3.6.3 小結106
3.7 基于知識圖譜與文本互注意力機制的知識獲取.106
3.7.1 算法模型.107
3.7.2 實驗分析.112
3.7.3 小結117
3.8 本章總結118
第4 章世界知識的計算應用119
4.1 章節引言119
4.2 細粒度實體分類120
4.2.1 算法模型.120
4.2.2 實驗分析.122
4.2.3 小結129
4.3 實體對齊129
4.3.1 算法模型.129
4.3.2 實驗分析.132
4.3.3 小結135
4.4 融入知識的信息檢索.136
4.4.1 算法模型.136
4.4.2 實驗分析.138
4.4.3 小結143
viii j 知識圖譜與深度學習
4.5 本章總結143
第二篇語言知識圖譜
第5 章語言知識的表示學習147
5.1 章節引言147
5.2 相關工作148
5.2.1 詞表示學習148
5.2.2 詞義消歧.149
5.3 義原的表示學習149
5.3.1 算法模型.149
5.3.2 實驗分析.152
5.3.3 小結155
5.4 基于義原的詞表示學習156
5.4.1 算法模型.156
5.4.2 實驗分析.159
5.4.3 小結164
5.5 本章總結164
第6 章語言知識的自動獲取166
6.1 章節引言166
6.2 相關工作167
6.2.1 知識圖譜及其構建167
6.2.2 子詞和字級NLP 167
6.2.3 詞表示學習及跨語言的詞表示學習167
6.3 基于協同過濾和矩陣分解的義原預測168
6.3.1 算法模型.168
6.3.2 實驗分析.171
6.3.3 小結175
6.4 融入中文字信息的義原預測175
6.4.1 算法模型.176
目錄j ix
6.4.2 實驗分析.179
6.4.3 小結183
6.5 跨語言詞匯的義原預測183
6.5.1 算法模型.184
6.5.2 實驗分析.188
6.5.3 小結194
6.6 本章總結194
第7 章語言知識的計算應用195
7.1 章節引言195
7.2 義原驅動的詞典擴展.196
7.2.1 相關工作.196
7.2.2 任務設定.198
7.2.3 算法模型.199
7.2.4 實驗分析.202
7.2.5 小結207
7.3 義原驅動的神經語言模型.207
7.3.1 相關工作.208
7.3.2 任務設定.209
7.3.3 算法模型.210
7.3.4 實驗分析.213
7.3.5 小結219
7.4 本章總結219
第8 章總結與展望220
8.1 本書總結220
8.2 未來展望221
8.2.1 更全面的知識類型221
8.2.2 更復雜的知識結構222
8.2.3 更有效的知識獲取223
8.2.4 更強大的知識指導223
x j 知識圖譜與深度學習
8.2.5 更精深的知識推理224
8.3 結束語224
相關開源資源226
參考文獻228
后記.243
展開全部
新時代·技術新未來知識圖譜與深度學習 作者簡介
劉知遠 清華大學計算機系副教授、博士生導師。主要研究方向為表示學習、知識圖譜和社會計算。2011年獲得清華大學博士學位，已在ACL、IJCAI、AAAI等人工智能領域的著名國際期刊和會議發表相關論文60余篇，谷歌學術引用超過7 000次。博士論文曾被評為清華大學優秀博士學位論文、中國人工智能學會優秀博士學位論文。曾被評為清華大學優秀博士后，獲得過中文信息學會青年創新獎，入選《麻省理工科技評論》“35歲以下科技創新35人”中國區榜單（MIT TR-35 China）、中國科學技術協會青年人才托舉工程、中國計算機學會青年學者提升計劃。多次擔任ACL、EMNLP、COLING、IJCNLP等著名國際會議的領域主席。 韓旭 清華大學計算機系博士生，主要研究方向為自然語言處理、知識圖譜、信息抽取。在AAAI、ACL、EMNLP、COLING、NAACL等人工智能領域的著名國際會議上發表多篇論文，是OpenKE、OpenNRE等開源項目的開發者之一。 孫茂松 清華大學計算機系長聘教授，清華大學人工智能研究院常務副院長，清華大學計算機學位評定分委員會主席。主要研究方向為自然語言理解、中文信息處理、Web智能、社會計算和計算教育學等。國家重點基礎研究發展計劃（“973”計劃）首席科學家，國家社會科學基金重大項目首席專家。在重要國際刊物、國際會議、國內核心刊物上發表論文200余篇，谷歌學術引用9 000余次。2013年帶領團隊成功研制并發布了全球第1個向全社會免費開放的中文慕課平臺“學堂在線”，目前注冊用戶已超過2 000萬人。2017年領銜研制出“九歌”人工智能詩歌寫作系統，引起了社會關注。主要兼職包括教育部教學信息化與教學方法創新指導委員會副主任委員，互聯網教育智能技術及應用國家工程實驗室副主任，中國科學技術協會第九屆全國委員會委員，中國中文信息學會第六屆、第七屆副理事長，《中文信息學報》主編。2016年獲“全國優秀科技工作者”及“首都市民學習之星”稱號。
書友推薦
- >
莉莉和章魚
- >
二體千字文
- >
詩經-先民的歌唱
- >
伊索寓言-世界文學名著典藏-全譯本
- >
隨園食單
- >
我從未如此眷戀人間
- >
李白與唐代文化
- >
中國歷史的瞬間
本類暢銷
