您好,欢迎来到聚文网。 登录 免费注册
知识图谱导论

知识图谱导论

  • 字数: 394000
  • 装帧: 平装
  • 出版社: 电子工业出版社
  • 作者: 陈华钧
  • 出版日期: 2021-05-01
  • 商品条码: 9787121406997
  • 版次: 1
  • 开本: 16开
  • 页数: 328
  • 出版年份: 2021
定价:¥108 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
编辑推荐
"作者权威:本书作者是浙江大学计算机科学与技术学院陈华钧教授,长期从事知识图谱、自然语言处理、大数据系统等方向的研究,在国际很好会议或期刊发表多篇论文,是《知识图谱:方法、应用与实践》作者之一。 内容全面:全面覆盖了知识图谱的表示、存储、获取、推理、融合、问答和分析等七大方面,100多个基础知识点的内容 技术前沿:囊括多模态知识图谱、知识图谱与图神经网络的融合、本体表示学习、事理知识图谱,以及知识增强的语言预训练模型等新热点 配套齐全:本书是浙江大学知识图谱慕课课程的配套教材,读者可结合慕课视频教程学习。 《知识图谱导论》囊括多个知识图谱相关技术领域的近期新发展前沿,如多模态知识图谱、知识图谱与图神经网络的融合、本体表示学习、事理知识图谱、知识增强的语言预训练模型、知识区块链等 本书包含作者团队近期新的学术探索和应用实践,包括知识图谱与可解释人工智能、知识驱动的低资源学习、大规模知识图谱预训练等。 本书是浙江大学知识图谱慕课课程的配套教材,读者可结合慕课视频教程学习。 本书采用全彩印刷,有不错阅读体验!"
内容简介
知识图谱的发展历史源远流长,从经典人工智能的核心命题——知识工程,到互联网时代的语义Web,再到当下很多领域构建的数千亿级别的现代知识图谱。知识图谱兼具人工智能、大数据和互联网的多重技术基因,是知识表示、表示学习、自然语言处理、图数据库和图计算等多个领域技术的综合集成。本书全面覆盖了知识图谱的表示、存储、获取、推理、融合、问答和分析等七大方面,一百多个基础知识点的内容,同时囊括多模态知识图谱、知识图谱与图神经网络的融合、本体表示学习、事理知识图谱,以及知识增强的语言预训练模型等新热点、新发展。作为一本导论性质的书,本书希望帮助初学者梳理知识图谱的基本知识点和关键技术要素,也希望帮助技术决策者建立知识图谱的整体视图和系统工程观,为前沿科研人员拓展创新视野和研究方向。
本书在技术广度和深度上兼具极强的参考性,适合高等院校的计算机专业师生阅读,也可供计算机相关行业的管理者和研发人员参考。
作者简介
陈华钧,浙江大学计算机科学与技术学院教授。主要研究方向为知识图谱、自然语言处理、大数据系统等。在WWW/IJCAI/AAAI/ACL/VLDB/ICDE, IEEE CIM, IEEE IS, TKDE, Briefings in Bioinformatics 等国际很好会议或期刊上发表多篇论文。作为负责人主持2项国家自然科学基金重点类项目,以及国家重点研发计划课题、国家重大科技专项项目及企业合作项目等二十余项。曾获国际语义网会议ISWC很好论文奖(一作)、教育部技术发明一等奖、国家科技进步二等奖、中国中文信息学会钱伟长科技奖一等奖、阿里巴巴优秀学术合作奖、博文视点图书奖等奖励。担任浙江大学阿里巴巴知识引擎联合实验室主任、浙江省大数据智能计算重点实验室副主任、中国人工智能学会知识工程专委会副主任、中国中文信息学会语言与知识计算专委会副主任、全国知识图谱大会CCKS2020 大会主席、国际语义技术联合会议JIST2019大会主席、Elsevier Big Data Research Journal Editor in Chief。
目录
第1章知识图谱概述1
1.1语言与知识2
1.2知识图谱的起源7
1.3知识图谱的价值12
1.4知识图谱的技术内涵16
1.5建立知识图谱的系统工程观20
第2章知识图谱的表示21
2.1什么是知识表示22
2.2人工智能历史发展长河中的知识表示24
2.3知识图谱的符号表示方法28
2.4知识图谱的向量表示方法32
2.5总结38
第3章知识图谱的存储与查询39
3.1基于关系型数据库的知识图谱存储40
3.2基于原生图数据库的知识图谱存储44
3.3原生图数据库实现原理浅析52
3.4总结55
第4章知识图谱的获取与构建57
4.1重新理解知识工程与知识获取58
4.2实体识别62
4.3关系抽取71
4.4属性补全81
4.5概念抽取83
4.6事件识别与抽取87
4.7知识抽取技术前沿91
4.8总结95
第5章知识图谱推理96
5.1推理简述97
5.2知识图谱推理简介101
5.3基于符号逻辑的知识图谱推理108
5.4基于表示学习的知识图谱推理117
5.5总结144
第6章知识图谱融合146
6.1知识图谱融合概述147
6.2概念层融合——本体匹配150
6.3实例层的融合——实体对齐155
6.4知识融合技术前沿159
6.5总结162
第7章知识图谱问答163
7.1智能问答概述164
7.2基于问句模板的知识图谱问答172
7.3基于语义解析的知识图谱问答178
7.4基于检索排序的知识图谱问答185
7.5基于深度学习的知识图谱问答188
7.6总结195
第8章图算法与图数据分析196
8.1图的基本知识197
8.2基础图算法204
8.3图表示学习与图神经网络211
8.4知识图谱与图神经网络224
8.5总结232
第9章知识图谱技术发展233
9.1多模态知识图谱234
9.2知识图谱与语言预训练248
9.3事理知识图谱255
9.4知识图谱与低资源学习261
9.5结构化知识预训练276
9.6知识图谱与区块链293
9.7总结308

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网