- 知识表示与推理(高等院校数据科学与大数据专业互联网+创新规划教材)
- - 作者：编者:李玉洁|责编:黄园园//郑双
  - 出版社：北京大学
  - ISBN：9787301353523
  - 出版日期：2024/08/01
  - 页数：233
- 售价：18

内容大纲
本书聚焦于知识表示与推理，围绕经典知识表示、知识图谱、知识体系构建和知识融合、实体识别和扩展、实体消歧、关系抽取、事件抽取等展开介绍。每章对多个相关研究方向的发展进程进行系统的、多维度的梳理，注重介绍传统知识工程的思想和理论，以及机器学习和深度学习在知识表示与推理各个环节中应用的技术和方法，从而使读者能够了解知识表示与推理的发展脉络，激发研究兴趣，思考核心问题，领悟发展方向。
本书既可作为高等院校人工智能、数据科学与大数据技术等专业本科生的必修课教材，也可作为计算机科学与技术、电子信息等专业硕士研究生的选修课教材，还可作为人工智能、数据科学等相关领域从业者的参考用书。
作者介绍
李玉洁桂林电子科技大学副教授，硕士生导师。入选广西高校海外高层次人才“百人计划”。现任桂林电子科技大学人工智能学院副院长，广西高校人工智能算法工程重点实验室主任。从事字典学习、稀疏表示、显著性检测、深度学习及计算机视觉等相关的科研工作。累计发表论文40余篇。
目录
第1章  概述
  1.1  知识表示的概念
  1.2  知识表示与推理的发展历史
  1.3  本书的内容安排
  本章习题
第2章  经典知识表示
  2.1  概念表示
    2.1.1  数理逻辑
    2.1.2  集合论
    2.1.3  概念的现代表示
  2.2  产生式表示法
    2.2.1  产生式
    2.2.2  产生式系统
  2.3  框架表示法
  2.4  脚本表示法
  2.5  状态空间表示法
  2.6  语义网表示法
    2.6.1  语义网络
    2.6.2  语义网知识描述体系
  2.7  数值化表示
    2.7.1  符号的数值化表示
    2.7.2  文本的数值化表示
  本章小结
  本章习题
第3章  知识图谱
  3.1  知识图谱的概念
  3.2  知识图谱类型
  3.3  知识图谱生命周期
    3.3.1  知识体系构建
    3.3.2  知识获取
    3.3.3  知识融合
    3.3.4  知识存储
    3.3.5  知识推理
    3.3.6  知识应用
  3.4  知识图谱中的知识表示方法
    3.4.1  表示框架
    3.4.2  Freebase
    3.4.3  知识图谱的数值化表示
  3.5  知识图谱与深度学习
  本章小结
  本章习题
第4章  知识体系构建和知识融合
  4.1  知识体系构建
    4.1.1  人工构建方法
    4.1.2  自动构建方法
    4.1.3  典型知识体系
  4.2  知识融合
    4.2.1  框架匹配
    4.2.2  实体对齐
    4.2.3  冲突检测与消解

    4.2.4  典型知识融合系统
  本章小结
  本章习题
第5章  实体识别和扩展
  5.1  实体识别
    5.1.1  任务概述
    5.1.2  基于规则的实体识别方法
    5.1.3  基于机器学习的实体识别——基于特征的方法
    5.1.4  基于机器学习的实体识别——基于神经网络的方法
  5.2  细粒度实体识别
    5.2.1  任务概述
    5.2.2  细粒度实体类别的制定
    5.2.3  细粒度实体识别方法
  5.3  实体扩展
    5.3.1  任务概述
    5.3.2  实体扩展方法
  本章小结
  本章习题
第6章  实体消歧
  6.1  任务概述
    6.1.1  任务定义
    6.1.2  任务分类
    6.1.3  相关评测
  6.2  基于聚类的实体消歧方法
    6.2.1  基于表层特征的实体指称项相似度计算
    6.2.2  基于扩展特征的实体指称项相似度计算
    6.2.3  基于社会化网络的实体指称项相似度计算
  6.3  基于实体链接的实体消歧方法
    6.3.1  链接候选过滤方法
    6.3.2  实体链接方法
  6.4  面向结构化文本的实体消歧方法
  本章小结
  本章习题
第7章  关系抽取
  7.1  任务概述
    7.1.1  任务定义
    7.1.2  任务分类
    7.1.3  任务难点
    7.1.4  相关评测
  7.2  限定域关系抽取
    7.2.1  基于模板的关系抽取方法
    7.2.2  基于机器学习的关系抽取方法
  7.3  开放域关系抽取
  本章小结
  本章习题
第8章  事件抽取
  8.1  概述
  8.2  限定域事件抽取
    8.2.1  基于模式匹配的事件抽取方法
    8.2.2  基于机器学习的事件抽取方法

  8.3  开放域事件抽取
    8.3.1  基于内容特征的事件抽取方法
    8.3.2  基于异常检测的事件抽取方法
  8.4  事件关系抽取
    8.4.1  事件共指关系抽取
    8.4.2  事件因果关系抽取
    8.4.3  子事件关系抽取
    8.4.4  事件时序关系抽取
  本章小结
  本章习题
第9章  知识存储和检索
  9.1  知识图谱的存储
    9.1.1  基于表结构的存储
    9.1.2  基于图结构的存储
  9.2  知识检索
    9.2.1  常见形式化查询语言
    9.2.2  图检索技术
  本章小结
  本章习题
第10章  经典知识推理
  10.1  典型推理任务
    10.1.1  知识补全
    10.1.2  知识问答
  10.2  知识推理分类
    10.2.1  归纳推理
    10.2.2  演绎推理
  10.3  知识推理方法
    10.3.1  归纳推理：学习推理规则
    10.3.2  演绎推理：推理具体事实
  10.4  常识知识推理
  本章小结
  本章习题
第11章  确定性推理与不确定性推理
  11.1  确定性推理
  11.2  不确定性推理
    11.2.1  概述
    11.2.2  基于概率论的推理方法
    11.2.3  模糊推理
  本章小结
  本章习题
第12章  数值推理
  12.1  基于数值计算的推理
    12.1.1  基于张量分解的方法
    12.1.2  基于能量函数的方法
  12.2  符号演算和数值计算的融合推理
  本章小结
  本章习题
第13章  知识问答与对话
  13.1  概述
  13.2  知识问答

    13.2.1  基于语义解析的方法
    13.2.2  基于搜索排序方法
    13.2.3  常用评测数据及各方法性能比较
  13.3  知识对话
    13.3.1  知识对话技术概述
    13.3.2  任务导向型对话系统
    13.3.3  通用对话系统
    13.3.4  评价方法
  本章小结
  本章习题
参考文献

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目