中图网(原中国图书网):网上书店,中文字幕在线一区二区三区,尾货特色书店,中文字幕在线一区,30万种特价书低至2折!

歡迎光臨中圖網 請 | 注冊
> >
知識結構化:基于神經信息抽取的方法

包郵 知識結構化:基于神經信息抽取的方法

作者:趙翔 著
出版社:科學出版社出版時間:2024-09-01
開本: B5 頁數: 292
本類榜單:社會科學銷量榜
中 圖 價:¥109.5(7.3折) 定價  ¥150.0 登錄后可看到會員價
加入購物車 收藏
開年大促, 全場包郵
?新疆、西藏除外
本類五星書更多>

知識結構化:基于神經信息抽取的方法 版權信息

  • ISBN:9787030792693
  • 條形碼:9787030792693 ; 978-7-03-079269-3
  • 裝幀:平裝
  • 冊數:暫無
  • 重量:暫無
  • 所屬分類:>

知識結構化:基于神經信息抽取的方法 內容簡介

知識結構化是知識工程領域的重要分支。本書專注于介紹基于神經網絡的知識結構化技術,在內容上盡可能涵蓋從基礎概念到*新研究成果的各方面。全書共15章:第1章概述知識結構化的起源與發展;第2章討論一些典型而常用的神經網絡基礎模型以及神經網絡學習策略;第3~14章分別以實體、關系、實體關系三元組、事件為主題,介紹知識結構化技術研究的*新進展;第15章介紹基于神經信息抽取方法的知識結構化技術未來發展方向,并探討其在大模型時代下面臨的挑戰與 機遇。

知識結構化:基于神經信息抽取的方法 目錄

目錄第1章 知識結構化概述 11.1 知識工程 11.2 知識結構化 41.3 應用場景 81.4 國內外研究現狀 91.4.1 知識圖譜 101.4.2 實體抽取 141.4.3 關系抽取 151.4.4 三元組抽取 161.4.5 事件抽取 171.5 問題與挑戰 171.6 內容組織結構 18參考文獻 20第2章 神經網絡基礎 232.1 神經網絡的技術優勢 232.2 常用的神經網絡模型組件 242.2.1 詞向量 242.2.2 注意力機制 252.2.3 卷積神經網絡 262.2.4 長短期記憶網絡 262.2.5 門控循環單元 272.2.6 Transformer 網絡 282.2.7 預訓練語言模型 282.2.8 條件隨機場 292.3 常用的神經網絡學習策略 302.3.1 少樣本學習策略 302.3.2 生成對抗訓練策略 312.3.3 對比學習策略 32參考文獻 33第3章 基于生成對抗訓練方法的嵌套實體抽取框架 353.1 問題背景 353.2 相關工作 393.3 模型方法 403.3.1 預備知識 403.3.2 框架概述 413.3.3 抽取器 413.3.4 判別器 443.3.5 多任務訓練和預測 453.4 實驗與分析 463.4.1 數據集介紹 463.4.2 實驗設置 463.4.3 總體結果 473.4.4 消融實驗 473.4.5 實體標記的影響 493.5 本章小結 49參考文獻 50第4章 基于混合多原型的少樣本實體抽取 524.1 問題背景 524.2 相關工作 544.2.1 少樣本學習 544.2.2 少樣本實體抽取的解決方案 544.3 模型方法 554.3.1 預備知識 554.3.2 框架概述 564.3.3 序列擴充和嵌入 584.3.4 混合多原型表示 584.3.5 預測與訓練 594.4 實驗與分析 594.4.1 數據集介紹 604.4.2 實驗設置 604.4.3 總體結果 614.5 本章小結 64參考文獻 64第5章 基于多粒度交互對比學習的多模態實體抽取方法 675.1 問題背景 675.2 相關工作 695.2.1 多模態命名實體識別 695.2.2 多模態任務中的對比學習 715.3 模型方法 715.3.1 多模態表示 725.3.2 多粒度對比學習 735.3.3 多粒度交互 765.3.4 CRF解碼器與損失函數 785.4 實驗與分析 785.4.1 數據集介紹 785.4.2 實驗設置 785.4.3 總體結果 795.4.4 顯著性測試 795.4.5 消融實驗 815.4.6 目標數量的影響 815.4.7 案例分析 825.5 本章小結 84參考文獻 85第6章 基于概率圖模型以及嵌入特征的命名實體消歧 886.1 問題背景 886.2 相關工作 906.2.1 命名實體識別 906.2.2 候選實體生成 906.2.3 候選實體排序 916.2.4本章消歧系統框架 926.3 模型方法 926.3.1 預備知識 926.3.2 指稱-實體圖 956.3.3 近似算法 966.4 實驗與分析 986.4.1 數據集介紹 986.4.2 實驗設置 996.4.3 總體結果 996.4.4 特征比較實驗及結果 1016.5 本章小結 102參考文獻 103第7章 面向含噪數據的中文領域關系抽取 1057.1 問題背景 1057.2 相關工作 1087.2.1 基于監督學習的關系抽取方法 1087.2.2 基于依存路徑的關系抽取方法 1097.2.3 基于遠程監督的關系抽取方法 1097.2.4 面向含嗓文本的關系抽取方法 1097.3 模型方法 1107.3.1 預備知識 1117.3.2 嵌入表示 1147.3.3 卷積和*大池化 1157.3.4 實體集成的注意力多實例學習方法 1167.3.5 Softmax輸出 1177.4 實驗與分析 1187.4.1 數據集介紹 1187.4.2 實驗設置 1197.4.3 保留評估 1207.4.4 多實例學習方法對比 1217.4.5 交叉驗證 1237.4.6 消融實驗 1247.4.7 人工評估 1257.5本章小結 126參考文獻 127第8章 基于遠程監督的少樣本關系抽取方法 1308.1 問題背景 1308.2 相關工作 1348.2.1 基于遠程監督的關系抽取方法 1348.2.2 基于少樣本學習的關系抽取方法 1358.3 模型方法 1368.3.1 預備知識 1368.3.2 句子編碼器 1378.3.3 原型網絡 1418.4 實驗與分析 1418.4.1 數據集介紹 1428.4.2 實驗設置 1428.4.3 總體結果 1438.4.4 多實例學習方法對比 1448.4.5 實例袋向量表示可視化 1448.5 本章小結 145參考文獻 146第9章 基于遷移排序模型的三元組抽取技術 1499.1 問題背景 1499.2 相關工作 1529.2.1 基于實體關系聯合抽取的方法 1529.2.2 基于實體抽取的方法 1529.2.3 基于關系分類的方法 1539.3 模型方法 1539.3.1 模型框架 1539.3.2 實體抽M塊 1549.3.3 三部分標注方案 1569.3.4 多層遷移模型 1579.3.5 模型的訓練和抽取 1589.4 實驗與分析 1619.4.1 數據集介紹 1619.4.2 實驗設置 1629.4.3 總體結果 1639.5 本章小結 167參考文獻 167第10章 融合對抗訓練的端到端知識三元組聯合抽取 17110.1 問題背景 17110.2 相關工作 17310.2.1 流水線式方法 17310.2.2 聯合學習方法 17410.2.3 對抗訓練方法 17410.3 模型方法 17510.3.1 標注策略 17610.3.2 表示層 17710.3.3 雙向長短期記憶網絡編碼層 17810.3.4 自注意力層 17910.3.5 長短期記憶網絡解碼層 17910.3.6 Softmax分類層 18110.3.7 對抗訓練 18210.4 實驗與分析 18310.4.1 數據集介紹 18310.4.2 實驗設置 18310.4.3 總體結果 18410.4.4 消融實驗 18710.4.5 誤差分析 18810.5 本章小結 189參考文獻 190第11章 基于視圖轉移網絡的少樣本關系三元組抽取 19311.1 問題背景 19311.2 相關工作 19511.2.1 基于監督學習的方法 19511.2.2 基于少樣本學習的方法 19511.3 模型方法 19611.3.1 模型框架 19611.3.2 關系視圖 19711.3.3 實體視圖 19811.3.4 三元組視圖 19911.4 驗與分析 20011.4.1 數據集介紹 20011.4.2 實驗設置 20111.4.3 總體結果 20211.5 本章小結 205參考文獻 205第12章 利用多語言線索進行事件檢測的混合注意力網絡 20812.1 問題背景 20812.2 相關工作 21012.2.1 基于特征工程的事件檢測方法 21012.2.2 基于神經網絡的事件檢測方法 21012.2.3 基于遠程監督的事件檢測方法 21112.2.4 多語言方法 21112.3 模型方法 21112.3.1 多語言表示層 21212.3.2 注意力層 21312.3.3 訓練與預測 21512.4 實驗與分析 21612.4.1 數據集介紹 21612.4.2 實驗設置 21612.4.3 總體結果 21612.4.4 多語言的效果驗證 21912.5 本章小結 220參考文獻 221第13章 基于差異性神經表示的事件檢測方法 22313.1 問題背景 22313.2 相關工作 22513.2.1 基于特征的方法 22513.2.2 基于增強的方法 22613.2.3 基于神經網絡的方法 22613.3 模型方法 22713.3.1 模型框架 22713.3.2 編碼模塊 22813.3.3 對比學習模塊 22913.3.4 Mixspan模塊 23113.3.5 模型訓練與預測 23313.4 實驗與分析 23413.4.1 數據集介紹 23413.4.2 實驗設置 23513.4.3 總體結果 23613.5 本章小結 241參考文獻 241第14章 基于分層策略網絡的事件抽取方法 24414.1 問題背景 24414.2 相關工作 24614.2.1 流水線式事件抽取方法 24614.2.2 聯合事件抽取方法 24614.2.3 策略網絡方法 24714.3 模型方法 24714.3.1 事件級策略網絡 24814.3.2 論元級策略網絡 25014.3.3 分雇訓練 25214.4 實驗與分析 25314.4.1 數據集介紹 25314.4.2 實驗設置 25414.4.3 總體結果 25414.4.4 分展框架的效果評估 25514.4.5 策略網絡的效果 25614.5 本章小結 257參考文獻 257第15章 知識結構化未來展望 25915.1 總結 25915.2 未來展望 26215.2.1 實體抽取技術 26215.2.2 三元組抽取技術 26415.2.3 事件抽取技術 26515.3 大語言模型技術 267參考文獻 268
展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網
在線客服
主站蜘蛛池模板: 硬齿面减速机[型号全],ZQ减速机-淄博久增机械 | 众品家具网-家具品牌招商_家具代理加盟_家具门户的首选网络媒体。 | 数控车床-立式加工中心-多功能机床-小型车床-山东临沂金星机床有限公司 | 深圳公司注册-工商注册公司-千百顺代理记账公司 | arch电源_SINPRO_开关电源_模块电源_医疗电源-东佑源 | 无痕胶_可移胶_无痕双面胶带_可移无痕胶厂家-东莞凯峰 | 井式炉-台车式回火炉-丹阳市电炉厂有限公司 | 科昊仪器超纯水机系统-可成气相液氮罐-美菱超低温冰箱-西安昊兴生物科技有限公司 | 河北凯普威医疗器材有限公司,高档轮椅系列,推车系列,座厕椅系列,协步椅系列,拐扙系列,卫浴系列 | 回转窑-水泥|石灰|冶金-巩义市瑞光金属制品有限责任公司 | 冲锋衣滑雪服厂家-冲锋衣定制工厂-滑雪服加工厂-广东睿牛户外(S-GERT) | 泰州物流公司_泰州货运公司_泰州物流专线-东鑫物流公司 | 环境模拟实验室_液体-气体控温机_气体控温箱_无锡双润冷却科技有限公司 | 合肥抖音SEO网站优化-网站建设-网络推广营销公司-百度爱采购-安徽企匠科技 | 上海单片机培训|重庆曙海培训分支机构—CortexM3+uC/OS培训班,北京linux培训,Windows驱动开发培训|上海IC版图设计,西安linux培训,北京汽车电子EMC培训,ARM培训,MTK培训,Android培训 | 防渗膜厂家|养殖防渗膜|水产养殖防渗膜-泰安佳路通工程材料有限公司 | 新能源汽车电池软连接,铜铝复合膜柔性连接,电力母排-容发智能科技(无锡)有限公司 | 东莞爱加真空科技有限公司-进口真空镀膜机|真空镀膜设备|Polycold维修厂家 | 管理会计网-PCMA初级管理会计,中级管理会计考试网站 | 市政路灯_厂家-淄博信达电力科技有限公司 | 废气处理_废气处理设备_工业废气处理_江苏龙泰环保设备制造有限公司 | 北京自然绿环境科技发展有限公司专业生产【洗车机_加油站洗车机-全自动洗车机】 | 【德信自动化】点胶机_全自动点胶机_自动点胶机厂家_塑料热压机_自动螺丝机-深圳市德信自动化设备有限公司 | 交通信号灯生产厂家_红绿灯厂家_电子警察监控杆_标志杆厂家-沃霖电子科技 | 民用音响-拉杆音响-家用音响-ktv专用音响-万昌科技 | 四川成都干燥设备_回转筒干燥机_脉冲除尘器_输送设备_热风炉_成都川工星科机电设备有限公司 | 昆明化妆培训-纹绣美甲-美容美牙培训-昆明博澜培训学校 | HYDAC过滤器,HYDAC滤芯,现货ATOS油泵,ATOS比例阀-东莞市广联自动化科技有限公司 | 蔡司三坐标-影像测量机-3D扫描仪-蔡司显微镜-扫描电镜-工业CT-ZEISS授权代理商三本工业测量 | 杭州中央空调维修_冷却塔/新风机柜/热水器/锅炉除垢清洗_除垢剂_风机盘管_冷凝器清洗-杭州亿诺能源有限公司 | 氧化锆陶瓷_氧化锆陶瓷加工_氧化锆陶瓷生产厂家-康柏工业陶瓷有限公司 | 博莱特空压机|博莱特-阿特拉斯独资空压机品牌核心代理商 | 武汉创亿电气设备有限公司_电力检测设备生产厂家 | 开云(中国)Kaiyun·官方网站-登录入口| 领先的大模型技术与应用公司-中关村科金| 消防泵-XBD单级卧式/立式消防泵-上海塑泉泵阀(集团)有限公司 | 消泡剂-水处理消泡剂-涂料消泡剂-切削液消泡剂价格-东莞德丰消泡剂厂家 | 电地暖-电采暖-发热膜-石墨烯电热膜品牌加盟-暖季地暖厂家 | 广州云仓代发-昊哥云仓专业电商仓储托管外包代发货服务 | 无缝方管|无缝矩形管|无缝方矩管|无锡方管厂家 | 重庆监控_电子围栏设备安装公司_门禁停车场管理系统-劲浪科技公司 |