舉報(bào)

會(huì)員
知識(shí)圖譜:認(rèn)知智能理論與實(shí)戰(zhàn)
王文廣 著
更新時(shí)間:2024-01-25 17:33:23
開會(huì)員,本書免費(fèi)讀 >
最新章節(jié):
封底
知識(shí)圖譜作為認(rèn)知智能的核心技術(shù)正蓬勃發(fā)展。本書系統(tǒng)全面地介紹了知識(shí)圖譜的核心技術(shù),既有宏觀整體的技術(shù)體系,也有關(guān)鍵技術(shù)和算法細(xì)節(jié),內(nèi)容包括:知識(shí)圖譜模式設(shè)計(jì)的方法論——六韜法;知識(shí)圖譜構(gòu)建中的實(shí)體抽取和關(guān)系抽取;知識(shí)存儲(chǔ)中的屬性圖模型及圖數(shù)據(jù)庫(kù),重點(diǎn)介紹了JanusGraph分布式圖數(shù)據(jù)庫(kù);知識(shí)計(jì)算中的圖論基礎(chǔ),以及中心性、社區(qū)檢測(cè)等經(jīng)典圖計(jì)算算法;知識(shí)推理中的邏輯推理、幾何變換推理和深度學(xué)習(xí)推理,及其編程實(shí)例。最后,本書以金融、醫(yī)療和智能制造三大行業(yè)的應(yīng)用場(chǎng)景為例,梳理了知識(shí)圖譜的應(yīng)用價(jià)值和應(yīng)用程序形態(tài)。
最新章節(jié)
書友吧上架時(shí)間:2024-01-25 17:06:18
出版社:電子工業(yè)出版社
上海閱文信息技術(shù)有限公司已經(jīng)獲得合法授權(quán),并進(jìn)行制作發(fā)行
- 封底 更新時(shí)間:2024-01-25 17:33:23
- 文后
- 8.7 本章小結(jié)
- 8.6.6 售后服務(wù)
- 8.6.5 供應(yīng)鏈管理
- 8.6.4 BOM物料清單管理
- 8.6.3 設(shè)備的管理、維護(hù)與維修
- 8.6.2 質(zhì)量與可靠性工程
- 8.6.1 設(shè)計(jì)研發(fā)
- 8.6 智能制造
- 8.5.5 中醫(yī)藥知識(shí)圖譜
- 8.5.4 公共衛(wèi)生
- 8.5.3 智慧醫(yī)療
- 8.5.2 生物醫(yī)藥
- 8.5.1 基因知識(shí)圖譜
- 8.5 醫(yī)療、生物醫(yī)藥和衛(wèi)生健康
- 8.4.7 保險(xiǎn)
- 8.4.6 證券分析與投資研究
- 8.4.5 審計(jì)
- 8.4.4 系統(tǒng)性金融風(fēng)險(xiǎn)
- 8.4.3 企業(yè)風(fēng)險(xiǎn)識(shí)別、控制與管理
- 8.4.2 個(gè)人信用評(píng)估與風(fēng)險(xiǎn)控制
- 8.4.1 反洗錢和反恐怖融資
- 8.4 金融
- 8.3.5 輔助決策模型
- 8.3.4 認(rèn)知推薦
- 8.3.3 智能問答
- 8.3.2 可視化與交互式分析
- 8.3.1 數(shù)據(jù)與知識(shí)中臺(tái)
- 8.3 共通的應(yīng)用程序
- 8.2 知識(shí)圖譜行業(yè)應(yīng)用范式
- 8.1.2 行業(yè)知識(shí)圖譜的應(yīng)用價(jià)值
- 8.1.1 行業(yè)知識(shí)圖譜的特點(diǎn)
- 8.1 行業(yè)知識(shí)圖譜
- 第8章 知識(shí)圖譜行業(yè)應(yīng)用
- 7.5 本章小結(jié)
- 7.4.2 圖神經(jīng)網(wǎng)絡(luò)模型
- 7.4.1 卷積神經(jīng)網(wǎng)絡(luò)的知識(shí)推理方法
- 7.4 知識(shí)推理的深度學(xué)習(xí)方法
- 7.3.3 雙曲空間嵌入的知識(shí)推理方法
- 7.3.2 復(fù)數(shù)向量空間的RotatE模型
- 7.3.1 歐幾里得空間的平移變換方法
- 7.3 幾何空間嵌入的知識(shí)推理方法
- 7.2.3 定性時(shí)空推理
- 7.2.2 基于邏輯的方法
- 7.2.1 基于規(guī)則的方法
- 7.2 基于規(guī)則和邏輯的知識(shí)推理方法
- 7.1.5 知識(shí)圖譜的推理技術(shù)
- 7.1.4 概率推理
- 7.1.3 歸納推理
- 7.1.2 演繹推理
- 7.1.1 因果推理
- 7.1 知識(shí)的表示與推理
- 第7章 知識(shí)推理
- 6.6 本章小結(jié)
- 6.5.3 圖分析工具包
- 6.5.2 分布式圖計(jì)算引擎
- 6.5.1 圖數(shù)據(jù)庫(kù)計(jì)算框架
- 6.5 知識(shí)計(jì)算工具與系統(tǒng)
- 6.4.3 Louvain社區(qū)檢測(cè)算法
- 6.4.2 GN社區(qū)檢測(cè)算法
- 6.4.1 模塊度
- 6.4 社區(qū)檢測(cè)
- 6.3.5 PageRank
- 6.3.4 特征向量中心性
- 6.3.3 中介中心性
- 6.3.2 親密中心性
- 6.3.1 度中心性
- 6.3 中心性
- 6.2.5 Floyd算法
- 6.2.4 最短路徑快速算法
- 6.2.3 Dijkstra單源最短路徑
- 6.2.2 深度優(yōu)先搜索
- 6.2.1 廣度優(yōu)先搜索
- 6.2 遍歷與最短路徑算法
- 6.1.4 譜圖理論
- 6.1.3 鄰接矩陣
- 6.1.2 圖論
- 6.1.1 知識(shí)圖譜與圖
- 6.1 知識(shí)計(jì)算及其數(shù)學(xué)基礎(chǔ)
- 第6章 知識(shí)計(jì)算
- 5.5 本章小結(jié)
- 5.4.4 圖數(shù)據(jù)對(duì)比一覽表
- 5.4.3 NebulaGraph
- 5.4.2 Dgraph
- 5.4.1 Neo4j
- 5.4 其他圖數(shù)據(jù)庫(kù)介紹
- 5.3.5 JanusGraph和Gremlin入門指南
- 5.3.4 圖查詢語言Gremlin
- 5.3.3 事務(wù)和故障恢復(fù)
- 5.3.2 JanusGraph的屬性圖模式
- 5.3.1 JanusGraph的存儲(chǔ)模型
- 5.3 JanusGraph分布式圖數(shù)據(jù)庫(kù)
- 5.2.4 查詢語言
- 5.2.3 事務(wù)、ACID與BASE
- 5.2.2 完整性約束
- 5.2.1 屬性圖模型
- 5.2 圖數(shù)據(jù)庫(kù)模型
- 5.1.2 知識(shí)存儲(chǔ)極簡(jiǎn)史
- 5.1.1 數(shù)據(jù)存儲(chǔ)模型
- 5.1 數(shù)據(jù)與知識(shí)存儲(chǔ)
- 第5章 知識(shí)存儲(chǔ)
- 4.6 本章小結(jié)
- 4.5.4 Snorkel用于關(guān)系抽取
- 4.5.3 弱監(jiān)督學(xué)習(xí)與Snorkel
- 4.5.2 遠(yuǎn)程監(jiān)督
- 4.5.1 引導(dǎo)法
- 4.5 弱監(jiān)督學(xué)習(xí)與關(guān)系抽取
- 4.4.2 基于片段預(yù)測(cè)的實(shí)體-關(guān)系聯(lián)合抽取
- 4.4.1 實(shí)體-關(guān)系聯(lián)合抽取方法
- 4.4 實(shí)體-關(guān)系聯(lián)合抽取的方法
- 4.3.2 基于BERT的關(guān)系分類
- 4.3.1 關(guān)系分類
- 4.3 基于深度學(xué)習(xí)的關(guān)系抽取方法
- 4.2.2 基于語法結(jié)構(gòu)的關(guān)系抽取
- 4.2.1 詞法分析與依存句法分析
- 4.2 基于規(guī)則的關(guān)系抽取方法
- 4.1 關(guān)系和關(guān)系抽取
- 第4章 關(guān)系抽取
- 3.7 本章小結(jié)
- 3.6 弱監(jiān)督學(xué)習(xí)方法
- 3.5.3 預(yù)訓(xùn)練模型用于實(shí)體抽取
- 3.5.2 BiLSTM-CRF模型
- 3.5.1 基于深度學(xué)習(xí)的通用實(shí)體抽取框架
- 3.5 深度學(xué)習(xí)方法
- 3.4.7 用CRF++進(jìn)行實(shí)體抽取
- 3.4.6 標(biāo)記方法
- 3.4.5 條件隨機(jī)場(chǎng)
- 3.4.4 隱馬爾可夫模型
- 3.4.3 最大熵模型
- 3.4.2 樸素貝葉斯模型
- 3.4.1 概率圖模型
- 3.4 傳統(tǒng)機(jī)器學(xué)習(xí)方法
- 3.3 如何評(píng)價(jià)實(shí)體抽取的效果
- 3.2.3 基于模板的實(shí)體抽取方法
- 3.2.2 編寫正則表達(dá)式抽取實(shí)體
- 3.2.1 基于詞典匹配的實(shí)體抽取方法
- 3.2 基于規(guī)則的實(shí)體抽取
- 3.1 實(shí)體、命名實(shí)體和實(shí)體抽取
- 第3章 實(shí)體抽取
- 2.7 本章小結(jié)
- 2.6.2 螺旋模型
- 2.6.1 瀑布模型
- 2.6 模式設(shè)計(jì)的工程模型
- 2.5.6 評(píng)價(jià)
- 2.5.5 約束
- 2.5.4 聯(lián)系
- 2.5.3 事物
- 2.5.2 復(fù)用
- 2.5.1 場(chǎng)景
- 2.5 六韜法
- 2.4.3 明確、正式的語義表達(dá)
- 2.4.2 建立事物間清晰的聯(lián)系
- 2.4.1 賦予一類事物合適的名字
- 2.4 模式設(shè)計(jì)的三大基本原則
- 2.3.5 知名本體介紹
- 2.3.4 網(wǎng)絡(luò)本體語言O(shè)WL
- 2.3.3 資源描述框架RDF
- 2.3.2 本體分類
- 2.3.1 本體的構(gòu)成要素
- 2.3 本體概論
- 2.2.2 模式與本體辨析
- 2.2.1 本體
- 2.2 模式與本體
- 2.1 知識(shí)圖譜模式
- 第2章 知識(shí)圖譜模式設(shè)計(jì)
- 1.8 本章小結(jié)
- 1.7.2 預(yù)見未來
- 1.7.1 明鑒歷史
- 1.7 知識(shí)圖譜是人工智能進(jìn)步的階梯
- 1.6.5 知識(shí)圖譜與深度學(xué)習(xí)
- 1.6.4 知識(shí)圖譜與搜索引擎
- 1.6.3 知識(shí)圖譜與語義網(wǎng)絡(luò)
- 1.6.2 知識(shí)圖譜與圖數(shù)據(jù)庫(kù)
- 1.6.1 知識(shí)圖譜與自然語言處理
- 1.6 知識(shí)圖譜辨析
- 1.5.5 用戶接口與界面
- 1.5.4 知識(shí)圖譜應(yīng)用技術(shù)
- 1.5.3 知識(shí)圖譜存儲(chǔ)技術(shù)
- 1.5.2 知識(shí)圖譜構(gòu)建技術(shù)
- 1.5.1 知識(shí)圖譜模式設(shè)計(jì)與管理
- 1.5 知識(shí)圖譜技術(shù)體系
- 1.4 從DIKW模型到知識(shí)圖譜
- 1.3 DIKW模型
- 1.2 什么是知識(shí)圖譜
- 1.1 從李白的《靜夜思》開始
- 第1章 知識(shí)圖譜概述
- 前言
- 序二
- 序一
- 推薦語
- 其他
- 內(nèi)容簡(jiǎn)介
- 作者簡(jiǎn)介
- 版權(quán)信息
- 封面
- 封面
- 版權(quán)信息
- 作者簡(jiǎn)介
- 內(nèi)容簡(jiǎn)介
- 其他
- 推薦語
- 序一
- 序二
- 前言
- 第1章 知識(shí)圖譜概述
- 1.1 從李白的《靜夜思》開始
- 1.2 什么是知識(shí)圖譜
- 1.3 DIKW模型
- 1.4 從DIKW模型到知識(shí)圖譜
- 1.5 知識(shí)圖譜技術(shù)體系
- 1.5.1 知識(shí)圖譜模式設(shè)計(jì)與管理
- 1.5.2 知識(shí)圖譜構(gòu)建技術(shù)
- 1.5.3 知識(shí)圖譜存儲(chǔ)技術(shù)
- 1.5.4 知識(shí)圖譜應(yīng)用技術(shù)
- 1.5.5 用戶接口與界面
- 1.6 知識(shí)圖譜辨析
- 1.6.1 知識(shí)圖譜與自然語言處理
- 1.6.2 知識(shí)圖譜與圖數(shù)據(jù)庫(kù)
- 1.6.3 知識(shí)圖譜與語義網(wǎng)絡(luò)
- 1.6.4 知識(shí)圖譜與搜索引擎
- 1.6.5 知識(shí)圖譜與深度學(xué)習(xí)
- 1.7 知識(shí)圖譜是人工智能進(jìn)步的階梯
- 1.7.1 明鑒歷史
- 1.7.2 預(yù)見未來
- 1.8 本章小結(jié)
- 第2章 知識(shí)圖譜模式設(shè)計(jì)
- 2.1 知識(shí)圖譜模式
- 2.2 模式與本體
- 2.2.1 本體
- 2.2.2 模式與本體辨析
- 2.3 本體概論
- 2.3.1 本體的構(gòu)成要素
- 2.3.2 本體分類
- 2.3.3 資源描述框架RDF
- 2.3.4 網(wǎng)絡(luò)本體語言O(shè)WL
- 2.3.5 知名本體介紹
- 2.4 模式設(shè)計(jì)的三大基本原則
- 2.4.1 賦予一類事物合適的名字
- 2.4.2 建立事物間清晰的聯(lián)系
- 2.4.3 明確、正式的語義表達(dá)
- 2.5 六韜法
- 2.5.1 場(chǎng)景
- 2.5.2 復(fù)用
- 2.5.3 事物
- 2.5.4 聯(lián)系
- 2.5.5 約束
- 2.5.6 評(píng)價(jià)
- 2.6 模式設(shè)計(jì)的工程模型
- 2.6.1 瀑布模型
- 2.6.2 螺旋模型
- 2.7 本章小結(jié)
- 第3章 實(shí)體抽取
- 3.1 實(shí)體、命名實(shí)體和實(shí)體抽取
- 3.2 基于規(guī)則的實(shí)體抽取
- 3.2.1 基于詞典匹配的實(shí)體抽取方法
- 3.2.2 編寫正則表達(dá)式抽取實(shí)體
- 3.2.3 基于模板的實(shí)體抽取方法
- 3.3 如何評(píng)價(jià)實(shí)體抽取的效果
- 3.4 傳統(tǒng)機(jī)器學(xué)習(xí)方法
- 3.4.1 概率圖模型
- 3.4.2 樸素貝葉斯模型
- 3.4.3 最大熵模型
- 3.4.4 隱馬爾可夫模型
- 3.4.5 條件隨機(jī)場(chǎng)
- 3.4.6 標(biāo)記方法
- 3.4.7 用CRF++進(jìn)行實(shí)體抽取
- 3.5 深度學(xué)習(xí)方法
- 3.5.1 基于深度學(xué)習(xí)的通用實(shí)體抽取框架
- 3.5.2 BiLSTM-CRF模型
- 3.5.3 預(yù)訓(xùn)練模型用于實(shí)體抽取
- 3.6 弱監(jiān)督學(xué)習(xí)方法
- 3.7 本章小結(jié)
- 第4章 關(guān)系抽取
- 4.1 關(guān)系和關(guān)系抽取
- 4.2 基于規(guī)則的關(guān)系抽取方法
- 4.2.1 詞法分析與依存句法分析
- 4.2.2 基于語法結(jié)構(gòu)的關(guān)系抽取
- 4.3 基于深度學(xué)習(xí)的關(guān)系抽取方法
- 4.3.1 關(guān)系分類
- 4.3.2 基于BERT的關(guān)系分類
- 4.4 實(shí)體-關(guān)系聯(lián)合抽取的方法
- 4.4.1 實(shí)體-關(guān)系聯(lián)合抽取方法
- 4.4.2 基于片段預(yù)測(cè)的實(shí)體-關(guān)系聯(lián)合抽取
- 4.5 弱監(jiān)督學(xué)習(xí)與關(guān)系抽取
- 4.5.1 引導(dǎo)法
- 4.5.2 遠(yuǎn)程監(jiān)督
- 4.5.3 弱監(jiān)督學(xué)習(xí)與Snorkel
- 4.5.4 Snorkel用于關(guān)系抽取
- 4.6 本章小結(jié)
- 第5章 知識(shí)存儲(chǔ)
- 5.1 數(shù)據(jù)與知識(shí)存儲(chǔ)
- 5.1.1 數(shù)據(jù)存儲(chǔ)模型
- 5.1.2 知識(shí)存儲(chǔ)極簡(jiǎn)史
- 5.2 圖數(shù)據(jù)庫(kù)模型
- 5.2.1 屬性圖模型
- 5.2.2 完整性約束
- 5.2.3 事務(wù)、ACID與BASE
- 5.2.4 查詢語言
- 5.3 JanusGraph分布式圖數(shù)據(jù)庫(kù)
- 5.3.1 JanusGraph的存儲(chǔ)模型
- 5.3.2 JanusGraph的屬性圖模式
- 5.3.3 事務(wù)和故障恢復(fù)
- 5.3.4 圖查詢語言Gremlin
- 5.3.5 JanusGraph和Gremlin入門指南
- 5.4 其他圖數(shù)據(jù)庫(kù)介紹
- 5.4.1 Neo4j
- 5.4.2 Dgraph
- 5.4.3 NebulaGraph
- 5.4.4 圖數(shù)據(jù)對(duì)比一覽表
- 5.5 本章小結(jié)
- 第6章 知識(shí)計(jì)算
- 6.1 知識(shí)計(jì)算及其數(shù)學(xué)基礎(chǔ)
- 6.1.1 知識(shí)圖譜與圖
- 6.1.2 圖論
- 6.1.3 鄰接矩陣
- 6.1.4 譜圖理論
- 6.2 遍歷與最短路徑算法
- 6.2.1 廣度優(yōu)先搜索
- 6.2.2 深度優(yōu)先搜索
- 6.2.3 Dijkstra單源最短路徑
- 6.2.4 最短路徑快速算法
- 6.2.5 Floyd算法
- 6.3 中心性
- 6.3.1 度中心性
- 6.3.2 親密中心性
- 6.3.3 中介中心性
- 6.3.4 特征向量中心性
- 6.3.5 PageRank
- 6.4 社區(qū)檢測(cè)
- 6.4.1 模塊度
- 6.4.2 GN社區(qū)檢測(cè)算法
- 6.4.3 Louvain社區(qū)檢測(cè)算法
- 6.5 知識(shí)計(jì)算工具與系統(tǒng)
- 6.5.1 圖數(shù)據(jù)庫(kù)計(jì)算框架
- 6.5.2 分布式圖計(jì)算引擎
- 6.5.3 圖分析工具包
- 6.6 本章小結(jié)
- 第7章 知識(shí)推理
- 7.1 知識(shí)的表示與推理
- 7.1.1 因果推理
- 7.1.2 演繹推理
- 7.1.3 歸納推理
- 7.1.4 概率推理
- 7.1.5 知識(shí)圖譜的推理技術(shù)
- 7.2 基于規(guī)則和邏輯的知識(shí)推理方法
- 7.2.1 基于規(guī)則的方法
- 7.2.2 基于邏輯的方法
- 7.2.3 定性時(shí)空推理
- 7.3 幾何空間嵌入的知識(shí)推理方法
- 7.3.1 歐幾里得空間的平移變換方法
- 7.3.2 復(fù)數(shù)向量空間的RotatE模型
- 7.3.3 雙曲空間嵌入的知識(shí)推理方法
- 7.4 知識(shí)推理的深度學(xué)習(xí)方法
- 7.4.1 卷積神經(jīng)網(wǎng)絡(luò)的知識(shí)推理方法
- 7.4.2 圖神經(jīng)網(wǎng)絡(luò)模型
- 7.5 本章小結(jié)
- 第8章 知識(shí)圖譜行業(yè)應(yīng)用
- 8.1 行業(yè)知識(shí)圖譜
- 8.1.1 行業(yè)知識(shí)圖譜的特點(diǎn)
- 8.1.2 行業(yè)知識(shí)圖譜的應(yīng)用價(jià)值
- 8.2 知識(shí)圖譜行業(yè)應(yīng)用范式
- 8.3 共通的應(yīng)用程序
- 8.3.1 數(shù)據(jù)與知識(shí)中臺(tái)
- 8.3.2 可視化與交互式分析
- 8.3.3 智能問答
- 8.3.4 認(rèn)知推薦
- 8.3.5 輔助決策模型
- 8.4 金融
- 8.4.1 反洗錢和反恐怖融資
- 8.4.2 個(gè)人信用評(píng)估與風(fēng)險(xiǎn)控制
- 8.4.3 企業(yè)風(fēng)險(xiǎn)識(shí)別、控制與管理
- 8.4.4 系統(tǒng)性金融風(fēng)險(xiǎn)
- 8.4.5 審計(jì)
- 8.4.6 證券分析與投資研究
- 8.4.7 保險(xiǎn)
- 8.5 醫(yī)療、生物醫(yī)藥和衛(wèi)生健康
- 8.5.1 基因知識(shí)圖譜
- 8.5.2 生物醫(yī)藥
- 8.5.3 智慧醫(yī)療
- 8.5.4 公共衛(wèi)生
- 8.5.5 中醫(yī)藥知識(shí)圖譜
- 8.6 智能制造
- 8.6.1 設(shè)計(jì)研發(fā)
- 8.6.2 質(zhì)量與可靠性工程
- 8.6.3 設(shè)備的管理、維護(hù)與維修
- 8.6.4 BOM物料清單管理
- 8.6.5 供應(yīng)鏈管理
- 8.6.6 售后服務(wù)
- 8.7 本章小結(jié)
- 文后
- 封底 更新時(shí)間:2024-01-25 17:33:23