注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當(dāng)前位置: 首頁出版圖書科學(xué)技術(shù)計(jì)算機(jī)/網(wǎng)絡(luò)人工智能知識圖譜與深度學(xué)習(xí)(新時代 技術(shù)新未來)

知識圖譜與深度學(xué)習(xí)(新時代 技術(shù)新未來)

知識圖譜與深度學(xué)習(xí)(新時代 技術(shù)新未來)

定 價:¥99.00

作 者: 劉知遠(yuǎn),韓旭,孫茂松
出版社: 清華大學(xué)出版社
叢編項(xiàng):
標(biāo) 簽: 暫缺

購買這本書可以去


ISBN: 9787302538523 出版時間: 2020-05-01 包裝:
開本: 16開 頁數(shù): 245 字?jǐn)?shù):  

內(nèi)容簡介

  知識圖譜旨在將人類知識組織成結(jié)構(gòu)化知識系統(tǒng),是人工智能實(shí)現(xiàn)真正意義的理解、記憶與推理的重要基礎(chǔ)。知識圖譜作為典型的符號表示系統(tǒng),如何有效用于機(jī)器學(xué)習(xí)算法,面臨著知識表示、知識獲取和計(jì)算推理等方面的諸多挑戰(zhàn)。近年來,以神經(jīng)網(wǎng)絡(luò)為代表的深度學(xué)習(xí)技術(shù)引發(fā)了人工智能的新一輪浪潮。 本書介紹了作者團(tuán)隊(duì)在知識圖譜與深度學(xué)習(xí)方面的研究成果,展現(xiàn)了數(shù)據(jù)驅(qū)動的深度學(xué)習(xí)與符號表示的知識圖譜之間相互補(bǔ)充和促進(jìn)的技術(shù)趨勢。本書內(nèi)容對于人工智能基礎(chǔ)研究具有一定的參考意義,既適合專業(yè)人士了解知識圖譜、深度學(xué)習(xí)和人工智能的前沿?zé)狳c(diǎn),也適合對人工智能感興趣的本科生和研究生作為學(xué)習(xí)讀物。

作者簡介

  劉知遠(yuǎn) 清華大學(xué)計(jì)算機(jī)系副教授、博士生導(dǎo)師。主要研究方向?yàn)楸硎緦W(xué)習(xí)、知識圖譜和社會計(jì)算。2011年獲得清華大學(xué)博士學(xué)位,已在ACL、IJCAI、AAAI等人工智能領(lǐng)域的著名國際期刊和會議發(fā)表相關(guān)論文60余篇,谷歌學(xué)術(shù)引用超過7 000次。博士論文曾被評為清華大學(xué)優(yōu)秀博士學(xué)位論文、中國人工智能學(xué)會優(yōu)秀博士學(xué)位論文。曾被評為清華大學(xué)優(yōu)秀博士后,獲得過中文信息學(xué)會青年創(chuàng)新獎,入選《麻省理工科技評論》“35歲以下科技創(chuàng)新35人”中國區(qū)榜單(MIT TR-35 China)、中國科學(xué)技術(shù)協(xié)會青年人才托舉工程、中國計(jì)算機(jī)學(xué)會青年學(xué)者提升計(jì)劃。多次擔(dān)任ACL、EMNLP、COLING、IJCNLP等著名國際會議的領(lǐng)域主席。韓旭 清華大學(xué)計(jì)算機(jī)系博士生,主要研究方向?yàn)樽匀徽Z言處理、知識圖譜、信息抽取。在AAAI、ACL、EMNLP、COLING、NAACL等人工智能領(lǐng)域的著名國際會議上發(fā)表多篇論文,是OpenKE、OpenNRE等開源項(xiàng)目的開發(fā)者之一。孫茂松 清華大學(xué)計(jì)算機(jī)系長聘教授,清華大學(xué)人工智能研究院常務(wù)副院長,清華大學(xué)計(jì)算機(jī)學(xué)位評定分委員會主席。主要研究方向?yàn)樽匀徽Z言理解、中文信息處理、Web智能、社會計(jì)算和計(jì)算教育學(xué)等。國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(“973”計(jì)劃)首席科學(xué)家,國家社會科學(xué)基金重大項(xiàng)目首席專家。在重要國際刊物、國際會議、國內(nèi)核心刊物上發(fā)表論文200余篇,谷歌學(xué)術(shù)引用9 000余次。2013年帶領(lǐng)團(tuán)隊(duì)成功研制并發(fā)布了全球第1個向全社會免費(fèi)開放的中文慕課平臺“學(xué)堂在線”,目前注冊用戶已超過2 000萬人。2017年領(lǐng)銜研制出“九歌”人工智能詩歌寫作系統(tǒng),引起了社會關(guān)注。主要兼職包括教育部教學(xué)信息化與教學(xué)方法創(chuàng)新指導(dǎo)委員會副主任委員,互聯(lián)網(wǎng)教育智能技術(shù)及應(yīng)用國家工程實(shí)驗(yàn)室副主任,中國科學(xué)技術(shù)協(xié)會第九屆全國委員會委員,中國中文信息學(xué)會第六屆、第七屆副理事長,《中文信息學(xué)報》主編。2016年獲“全國優(yōu)秀科技工作者”及“首都市民學(xué)習(xí)之星”稱號。

圖書目錄

第1 章緒論.1

1.1 知識圖譜簡介2

1.2 深度學(xué)習(xí)的優(yōu)勢和挑戰(zhàn)4

1.3 深度學(xué)習(xí)+ 知識圖譜=1 .8

1.3.1 知識的表示學(xué)習(xí)9

1.3.2 知識的自動獲取10

1.3.3 知識的計(jì)算應(yīng)用13

1.4 本書結(jié)構(gòu)14

1.5 本章總結(jié)14

第一篇世界知識圖譜

第2 章世界知識的表示學(xué)習(xí)19

2.1 章節(jié)引言19

2.2 相關(guān)工作20

2.2.1 知識表示學(xué)習(xí)經(jīng)典模型20

2.2.2 平移模型及其拓展模型22

2.3 基于復(fù)雜關(guān)系建模的知識表示學(xué)習(xí)25

2.3.1 算法模型.25

2.3.2 實(shí)驗(yàn)分析.26

2.3.3 小結(jié)32

2.4 基于關(guān)系路徑建模的知識表示學(xué)習(xí)32

2.4.1 算法模型.32

2.4.2 實(shí)驗(yàn)分析.34

2.4.3 小結(jié)39

vi j 知識圖譜與深度學(xué)習(xí)

2.5 基于屬性關(guān)系建模的知識表示學(xué)習(xí)39

2.5.1 算法模型.40

2.5.2 實(shí)驗(yàn)分析.41

2.5.3 小結(jié)44

2.6 融合實(shí)體描述信息的知識表示學(xué)習(xí)44

2.6.1 算法模型.45

2.6.2 實(shí)驗(yàn)分析.47

2.6.3 小結(jié)54

2.7 融合層次類型信息的知識表示學(xué)習(xí)55

2.7.1 算法模型.55

2.7.2 實(shí)驗(yàn)分析.57

2.7.3 小結(jié)62

2.8 融合實(shí)體圖像信息的知識表示學(xué)習(xí)62

2.8.1 算法模型.63

2.8.2 實(shí)驗(yàn)分析.64

2.8.3 小結(jié)68

2.9 本章總結(jié)68

第3 章世界知識的自動獲取70

3.1 章節(jié)引言70

3.2 相關(guān)工作71

3.2.1 有監(jiān)督的關(guān)系抽取模型71

3.2.2 遠(yuǎn)程監(jiān)督的關(guān)系抽取模型.72

3.3 基于選擇性注意力機(jī)制的關(guān)系抽取73

3.3.1 算法模型.74

3.3.2 實(shí)驗(yàn)分析.78

3.3.3 小結(jié)82

3.4 基于關(guān)系層次注意力機(jī)制的關(guān)系抽取83

3.4.1 算法模型.83

目錄j vii

3.4.2 實(shí)驗(yàn)分析.86

3.4.3 小結(jié)89

3.5 基于選擇性注意力機(jī)制的多語言關(guān)系抽取.89

3.5.1 算法模型.90

3.5.2 實(shí)驗(yàn)分析.93

3.5.3 小結(jié)98

3.6 引入對抗訓(xùn)練的多語言關(guān)系抽取98

3.6.1 算法模型.99

3.6.2 實(shí)驗(yàn)分析.103

3.6.3 小結(jié)106

3.7 基于知識圖譜與文本互注意力機(jī)制的知識獲取.106

3.7.1 算法模型.107

3.7.2 實(shí)驗(yàn)分析.112

3.7.3 小結(jié)117

3.8 本章總結(jié)118

第4 章世界知識的計(jì)算應(yīng)用119

4.1 章節(jié)引言119

4.2 細(xì)粒度實(shí)體分類120

4.2.1 算法模型.120

4.2.2 實(shí)驗(yàn)分析.122

4.2.3 小結(jié)129

4.3 實(shí)體對齊129

4.3.1 算法模型.129

4.3.2 實(shí)驗(yàn)分析.132

4.3.3 小結(jié)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(shí)驗(yàn)分析.138

4.4.3 小結(jié)143

viii j 知識圖譜與深度學(xué)習(xí)

4.5 本章總結(jié)143

第二篇語言知識圖譜

第5 章語言知識的表示學(xué)習(xí)147

5.1 章節(jié)引言147

5.2 相關(guān)工作148

5.2.1 詞表示學(xué)習(xí)148

5.2.2 詞義消歧.149

5.3 義原的表示學(xué)習(xí)149

5.3.1 算法模型.149

5.3.2 實(shí)驗(yàn)分析.152

5.3.3 小結(jié)155

5.4 基于義原的詞表示學(xué)習(xí)156

5.4.1 算法模型.156

5.4.2 實(shí)驗(yàn)分析.159

5.4.3 小結(jié)164

5.5 本章總結(jié)164

第6 章語言知識的自動獲取166

6.1 章節(jié)引言166

6.2 相關(guān)工作167

6.2.1 知識圖譜及其構(gòu)建167

6.2.2 子詞和字級NLP 167

6.2.3 詞表示學(xué)習(xí)及跨語言的詞表示學(xué)習(xí)167

6.3 基于協(xié)同過濾和矩陣分解的義原預(yù)測168

6.3.1 算法模型.168

6.3.2 實(shí)驗(yàn)分析.171

6.3.3 小結(jié)175

6.4 融入中文字信息的義原預(yù)測175

6.4.1 算法模型.176

目錄j ix

6.4.2 實(shí)驗(yàn)分析.179

6.4.3 小結(jié)183

6.5 跨語言詞匯的義原預(yù)測183

6.5.1 算法模型.184

6.5.2 實(shí)驗(yàn)分析.188

6.5.3 小結(jié)194

6.6 本章總結(jié)194

第7 章語言知識的計(jì)算應(yīng)用195

7.1 章節(jié)引言195

7.2 義原驅(qū)動的詞典擴(kuò)展.196

7.2.1 相關(guān)工作.196

7.2.2 任務(wù)設(shè)定.198

7.2.3 算法模型.199

7.2.4 實(shí)驗(yàn)分析.202

7.2.5 小結(jié)207

7.3 義原驅(qū)動的神經(jīng)語言模型.207

7.3.1 相關(guān)工作.208

7.3.2 任務(wù)設(shè)定.209

7.3.3 算法模型.210

7.3.4 實(shí)驗(yàn)分析.213

7.3.5 小結(jié)219

7.4 本章總結(jié)219

第8 章總結(jié)與展望220

8.1 本書總結(jié)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(fù)雜的知識結(jié)構(gòu)222

8.2.3 更有效的知識獲取223

8.2.4 更強(qiáng)大的知識指導(dǎo)223

x j 知識圖譜與深度學(xué)習(xí)

8.2.5 更精深的知識推理224

8.3 結(jié)束語224

相關(guān)開源資源226

參考文獻(xiàn)228

后記.243


本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號