扫一扫
关注中图网
官方微博
本类五星书更多>
-
>
决战行测5000题(言语理解与表达)
-
>
软件性能测试.分析与调优实践之路
-
>
第一行代码Android
-
>
深度学习
-
>
Unreal Engine 4蓝图完全学习教程
-
>
深入理解计算机系统-原书第3版
-
>
Word/Excel PPT 2013办公应用从入门到精通-(附赠1DVD.含语音视频教学+办公模板+PDF电子书)
面向知识库的智能问答技术 版权信息
- ISBN：9787030771490
- 条形码：9787030771490 ; 978-7-03-077149-0
- 装帧：一般胶版纸
- 册数：暂无
- 重量：暂无
- 所属分类：>
面向知识库的智能问答技术 内容简介
本书共分为11章，分为3个部分。第1部分主要介绍知识库的构建，包括现有的知识库构建技术、基础知识、数据采集技术、数据转换储存和查询流程、异构数据源实体对齐和面向知识图谱的知识推理技术。第2部分主要介绍智能问答技术，包括智能问答技术概述、基础知识和问句理解。第3部分主要介绍基于知识库的智能问答系统的答案检索和部署，包括答案检索和智能问答系统的部署和演示。
面向知识库的智能问答技术 目录
**部分 知识库构建
第1章 知识库构建技术概况 3
1.1 知识库构建背景及意义 3
1.2 知识库构建研究现状 4
1.2.1 大规模网络数据采集 4
1.2.2 网络信息抽取 6
1.2.3 RDF数据存储与查询技术 7
1.2.4 实体对齐研究 9
本章小结 10
第2章 知识库构建基础知识 11
2.1 RDF简介 11
2.2 SPARQL简介 13
2.3 开源爬取框架Scrapy 14
2.3.1 Scrapy框架简述 14
2.3.2 优缺点分析 17
2.4 NoSQL数据库MongoDB 17
2.5 图数据库介绍 18
本章小结 19
第3章 数据采集技术 20
3.1 数据源采集 20
3.1.1 数据选择依据 20
3.1.2 数据的采集格式 20
3.1.3 数据获取方式 21
3.2 数据集的挑战 21
3.2.1 目标数据的高速采集 21
3.2.2 目标网站的反爬取机制与速率限制 22
3.3 大规模数据采集系统的设计与实现 22
3.3.1 采集框架 23
3.3.2 数据采集系统的具体实现 23
3.4 代理IP信息获取 24
3.4.1 XPath表达式 25
3.4.2 代理IP获取方式 25
3.4.3 正则表达式获取 25
3.4.4 XPath模板生成 26
3.4.5 候选表达式 26
3.4.6 排序及抽取 28
3.4.7 信息验证 28
本章小结 29
第4章 数据处理 30
4.1 实体数据 30
4.1.1 网页内容抽取 30
4.1.2 RDF转化 31
4.2 信息抽取、转化、存储与查询的挑战 32
4.2.1 信息抽取与数据转化 32
4.2.2 信息的存储与查询 32
4.3 实体信息抽取与转化 32
4.3.1 信息抽取 32
4.3.2 数据转化 35
4.3.3 RDF数据规范化 35
4.4 数据存储和查询 36
4.4.1 整体框架 36
4.4.2 关键技术 36
4.5 非结构化知识抽取 39
4.5.1 实体关系抽取简介 39
4.5.2 面向非结构化数据的知识抽取 39
4.5.3 弱监督学习的关系抽取 42
4.5.4 NF Tri training弱监督关系抽取算法 42
本章小结 45
第5章 异构数据源实体对齐 46
5.1 实体对齐的研究方向 46
5.2 实体对齐算法简介 47
5.2.1 LCS算法 47
5.2.2 网络语义标签实体对齐算法 47
5.2.3 基于属性权重的实体对齐算法 50
5.3 基于主题模型的中文异构百科实体对齐方法 51
5.3.1 实体对齐框架 51
5.3.2 实体上下文建模 52
5.3.3 基于LCS的属性相似度计算 53
5.3.4 基于主题特征的相似度计算方法 53
本章小结 54
第6章 面向知识图谱的知识推理 55
6.1 常见的知识库 55
6.2 推理的概念及分类 56
6.2.1 推理的概念 56
6.2.2 推理的分类 57
6.3 知识推理的任务 58
6.3.1 知识图谱补全 58
6.3.2 知识图谱去噪 60
6.4 基于逻辑的知识推理 60
6.5 基于统计的知识推理 64
6.5.1 基于隐特征的实体关系学习 64
6.5.2 基于图特征的实体关系学习 65
6.5.3 实体类型推理 66
6.6 基于神经网络的知识推理 66
6.6.1 基于语义的推理 67
6.6.2 基于结构的推理 68
6.6.3 基于辅助存储的推理 69
6.7 知识推理应用 70
本章小结 70
第2部分 智能问答技术
第7章 智能问答技术概况 75
7.1 智能问答背景及意义 75
7.2 智能问答研究现状 77
7.3 智能问答关键技术 79
7.4 智能问答系统框架及流程 80
7.4.1 智能问答系统框架 80
7.4.2 问句理解 80
7.4.3 答案检索 82
本章小结 82
第8章 智能问答基础知识 83
8.1 句法分析 83
8.2 机器学习算法 84
8.2.1 CRF算法 84
8.2.2 熵算法 85
本章小结 87
第9章 问句理解 88
9.1 语料收集 88
9.2 问句介绍 88
9.3 词法分析 90
9.3.1 中文分词 90
9.3.2 词性标注 90
9.4 问句分类 95
9.4.1 问句分类流程及原理 95
9.4.2 问句分类实验结果与分析 96
9.5 主体识别 97
9.5.1 人物类问句的主体识别 97
9.5.2 非人物类问句的主体识别 97
9.5.3 主体识别实验结果与分析 98
9.6 谓词识别 99
9.6.1 谓词词典构建 99
9.6.2 基于谓词词典和句法分析结合的谓词识别 100
9.6.3 谓词识别实验结果与分析 101
9.7 谓词消歧 102
9.8 问句元转换 103
9.8.1 问句元转换规则 103
9.8.2 问句元转换实验结果与分析 104
本章小结 105
第3部分 基于知识库的智能问答系统
0章 答案检索 109
10.1 知识获取 109
10.2 基于RDF知识库的答案检索 110
10.2.1 SPARQL简介 111
10.2.2 SPARQL结构化查询语句 111
10.2.3 SPARQL结构化查询模板 112
10.2.4 答案提取 115
10.3 基于Web的答案检索方法 117
本章小结 118
1章 智能问答系统部署与演示 119
11.1 系统部署 119
11.2 答案检索过程 119
本章小结 122
参考文献 123
展开全部
面向知识库的智能问答技术 作者简介
赵海兴，现任青海师范大学副校长、教授，博士生导师。入选国家“百千万人才工程计划”、教育部新世纪优秀人才、青海省****培养杰出人才，教育部“长江学者与创新团队”负责人，享受国务院政府特殊津贴专家；青海学者；国家重点研发计划项目负责人；省部共建藏语智能信息处理及应用国家重点实验室主任。主要从事图论及应用、图神经网络、藏文信息处理等方面的研究工作，主持完成国家重点研发计划项目1项、科技部973研究专项1项、国家自然科学基金项目6项，其中3项成果分别获青海省科技进步一等奖、二等奖、三等奖。发表论文100余篇，其中被SCI/EI收录80余篇。 冶忠林，现任青海师范大学计算机学院教师、副教授，博士生导师，省部共建藏语智能信息处理及应用国家重点实验室专职科研人员，日本长崎综合科学大学客座研究员。2019年入选青海省“高端创新人才干人计划”拔尖人才，青海省“昆仑英才·高端创新创业人才”拔尖人才。2022年获得青海省普通高等学校青年教师“小岛奖励金”。主要研究方向为图神经网络、社会计算、机器翻译等，已发表学术论文70余篇，出版专著／教材5部，授权发明专利3项，实用新型专利S项，主持和参与国家级／省部级项目10余项，指导学生参加国家级／省部级竞赛获奖20余次。
书友推荐
本类畅销
-
”互联网+“时代计算机算法的应用及其实践研究
¥19.9¥59 -
微服务设计
¥52.8¥69 -
图说深度学习:用可视化方法理解复杂概念
¥109¥188 -
计算机基础
¥17.2¥31 -
改变未来的九大算法
¥50¥68 -
生成式AI入门与AWS实战
¥77.8¥99.8
