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
輕量級領域本體自動構建方法與應用研究 版權信息
- ISBN：9787514244984
- 條形碼：9787514244984 ; 978-7-5142-4498-4
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
輕量級領域本體自動構建方法與應用研究 本書特色
編輯推薦
本書在輕量級領域本體自動構建的理論和方法上提出了行業新觀點并取得了突破；在實踐上提出了多種技術路線和方案，提升輕量級領域本體自動構建中點狀準確率、性能、穩定性等；對未來研究重點給出了明確的方向。
輕量級領域本體自動構建方法與應用研究 內容簡介
內容簡介
本書深入研究和探索了基于深度學習的輕量級領域本體自動構建方法,并將其和傳統主流方法技術有機結合起來，*終構建和提出了一系列支持輕量級領域本體自動生成的深度學習流程框架與方法模型，并主要以資源環境領域為例進行了試驗應用和對試驗結果進行了深入分析和評價。
輕量級領域本體自動構建方法與應用研究 目錄
第1章輕量級領域本體自動構建的核心基礎
1.1 研究背景與意義 002
1.1.1 研究背景 -002
1.1.2 研究意義 005
1.2 國內外研究現狀 006
1.2.1 領域本體的研究起源 006
1.2.2 領域本體的構建準則 007
1.2.3 領域本體的構建語言 009
1.2.4 領域本體的構建方法 011
1.2.5 研究現狀述評及分析 018
1.3 研究內容與預期目標 019
1.3.1主要研究對象 019
1.3.2 預期研究目標 020
1.3.3 具體研究內容 020
1.3.4 擬解決的關鍵問題 022
1.4 研究方法與技術路線 023
1.4.1 研究方法 023
1.4.2 技術路線 023
1.4.3 實驗方案 024
1.5 本書的組織結構 025
1.6 本章小結 027
第2章相關深度學習理論與技術
2.1 深度學習的產生背景與發展現狀 030
2.1.1 產生背景 030
2.1.2 發展現狀 032
2.2 深度學習的代表性特征學習算法模型 034
2.2.1 傳統特征表示模型分析評價 034
2.2.2 深度置信網絡DBN 037
2.2.3 卷積神經網絡CNN 038
2.2.4 遞歸神經網絡RNN 039
2.2.5 長短期記憶網絡LSTM 041
2.3 深度學習的主流開源工具框架 042
2.3.1 詞嵌入生成工具 042
2.3.2 深度學習開發框架 044
2.3.3 深度學習預訓練模型 045
2.3.4 大規模語言模型 048
2.4 本體構建相關的深度學習案例分析 050
2.5 深度學習面臨的挑戰及能力拓展方法 052
2.5.1 面臨的挑戰及問題 052
2.5.2 應用能力拓展方法 055
2.6 本章小結 057
第3章領域本體深度學習語料的自動獲取與預處理
3.1 相關工作基礎與研究框架設計 060
3.2 領域本體深度學習語料的自動獲取 061
3.2.1 語料的不同類型、來源與作用分析 061
3.2.2 多源異構領域語料的自動獲取方法設計 063
3.3 領域基礎知識詞典的自動構建 068
3.4 領域文本的自動分詞與新詞發現 070
3.41 常見分詞方法及應用問題分析 070
3.4.2 開源分詞工具測試與性能評估 071
3.4.3 多策略混合的自動分詞與新詞發現方法設計 075
3.5 本章小結 077
第4章輕量級領域本體概念的自動獲取
4.1 相關工作基礎與研究框架設計 080
4.1.1 傳統概念獲取方法及問題分析 080
4.1.2 概念自動獲取的研究框架設計 081
4.2 領域文本特征詞嵌入模型的自動生成 083
4.2.1 幾種主流詞嵌入模型的對比分析 083
4.2.2 基于Word2Vec的詞嵌入模型訓練與優化 085
4.3 輕量級領域本體概念自動抽取模型的構建 090
4.3.1 基于IOB標記格式的術語分類序列標注 090
4.3.2 基于自注意力機制的BLSTM-CRF模型構建 092
4.4 輕量級領域本體概念自動獲取的實驗應用 -095
4.4.1 概念獲取的實驗數據集的獲取與預處理 095
4.4.2 概念獲取的實驗方法、工具與關鍵過程 097
4.4.3 概念獲取的實驗模型的評估與結果分析 098
4.5 本章小結 099
第5章輕量級領域本體分類關系的自動識別
5.1 相關工作基礎與研究框架設計 102
5.2 深度學習分類的關鍵技術與核心流程 105
5.2.1 常見分類模式概述 105
5.2.2 主流分類模型分析 107
5.2.3 核心流程要素總結 109
5.3 輕量級領域本體分類關系自動識別模型的構建 111
5.3.1 BERT 技術原理剖析 111
5.3.2 基于 BERT 的分類關系自動識別模型構建 114
5.3.3 基于XLNet 的分類關系自動識別模型構建 124
5.4 輕量級領域本體分類關系自動識別的實驗應用 130
5.4.1 分類關系識別的實驗數據集的獲取與預處理 130
5.4.2 分類關系識別的實驗方法、工具與關鍵過程 132
5.4.3 分類關系識別的實驗模型的評估與結果分析 135
5.5 本章小結 140
第6章輕量級領域本體非分類關系的自動識別
6.1 相關工作基礎與研究框架設計 142
6.1.1 非分類關系的基本定義與內容 142
6.1.2 傳統非分類關系識別方法及問題分析 143
6.1.3 非分類關系識別的研究框架設計 145
6.2 輕量級領域本體上下位關系的自動識別 147
6.2.1 上下位關系自動識別的核心技術路線 147
6.2.2 基于擴展Hearst模式的上下位關系自動識別 148
6.2.3 基于投影學習的上下位關系自動識別 151
6.2.4 模式和投影學習相結合的上下位關系自動識別 153
6.3 輕量級領域本體同義關系的自動識別 154
6.3.1 同義關系自動識別的核心技術路線 154
6.3.2 基于領域詞典/知識庫的同義關系自動識別 155
6.3.3 基于改進CBOW詞嵌入的同義關系自動識別 156
6.3.4 領域詞典和CBOW相結合的同義關系自動識別 158
6.4 輕量級領域本體相關關系的自動識別 159
6.4.1 相關關系自動識別的核心技術路線 159
6.4.2 基于特征編碼編輯距離的相關關系自動識別 160
6.4.3 基于G1oVe 詞嵌入的相關關系自動識別 164
6.4.4 特征編輯距離和GloVe相結合的相關關系自動識別 167
6.5 輕量級領域本體非分類關系自動識別的實驗應用 167
6.5.1 上下位關系的自動識別實驗應用 167
6.5.2 同義關系的自動識別試驗應用 174
6.5.3 相關關系的自動識別試驗應用 176
6.6 本章小結 180
第7章 輕量級領域本體的自動存儲表示與服務應用
7.1 相關工作基礎與研究框架設計 182
7.2 輕量級領域本體的自動存儲表示方法 184
7.2.1 代表性的自動存儲表示模式分析評價 184
7.2.2 RDB與GDB相結合的自動存儲表示方法設計 187
7.3 輕量級領域本體的自動服務應用策略 189
7.3.1 代表性的自動服務應用模式分析評價 189
7.3.2 基于 RESTful API的自動服務應用策略設計 193
7.4 實證：以資源環境領域為例 195
7.4.1 自動存儲表示實證 196
7.4.2 自動服務應用實證 200
7.5 本章小結 206
第8章總結與展望
8.1 研究工作總結 208
8.2 研究的創新點 210
8.3 未來研究計劃 212
參考文獻 217
展開全部
輕量級領域本體自動構建方法與應用研究 作者簡介
作者介紹
王思麗，中國科學院西北生態環境資源研究院文獻情報中心副研究館員，中國科學院大學管理學博士（情報學專業）。主要從事大數據挖掘與智能分析計算、知識發現與語義組織集成相關工作及研究。主持和參與國家重點研發計劃項目、國家社會科學基金項目、中國科學院西部之光項目、甘肅省自然科學基金項目、甘肅省哲學社會科學規劃項目、企業以及高校委托項目等30余項。
書友推薦
- >
伊索寓言-世界文學名著典藏-全譯本
- >
名家帶你讀魯迅:朝花夕拾
- >
朝聞道
- >
巴金－再思錄
- >
推拿
- >
伯納黛特,你要去哪(2021新版)
- >
月亮虎
- >
二體千字文
本類暢銷
