正版全2册 知识图谱 赵军+机器翻译 李沐 刘树杰 张冬冬 周明中国人工智能学会 高教社

知识图谱 赵军+机器翻译 李沐 刘树杰 张冬冬 周明 十三五国家重点出版项目规划 共2本

基本信息书名: 知识图谱

作者:赵军

出版时间:2018.12

ISBN: 9787040509847

开本:16开

出版社:高等教育出版社

内容简介

本书聚焦于知识图谱，分十个章节围绕知识建模、知识获取、知识融合、存储和检索、知识推理以及知识服务等知识图谱生命周期各个主要环节展开介绍。每章以任务为导引，引出任务描述、难点问题、基本方法、研究现状和存在的问题，并从多个相关的研究方向对各个任务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图谱各个环节中应用的技术和方法，从而使读者能够了解发展脉络，激发研究兴趣，思考核心问题，领悟发展方向。

本书可以作为自然语言处理、知识工程、人工智能等相关课程的研究生教材，也可供计算机科学技术领域相关工程技术人员学习参考。

目录

 前辅文一章 概述1.1 什么是知识图谱1.2 知识图谱发展历程1.3 知识图谱类型1.4 知识图谱生命周期1.4.1 知识体系构建1.4.2 知识获取1.4.3 知识融合1.4.4 知识存储1.4.5 知识推理1.4.6 知识应用1.5 知识图谱与深度学习1.6 小结二章 知识表示2.1 经典知识表示理论2.1.1 逻辑2.1.2 语义网络2.1.3 框架2.1.4 脚本2.2 语义网中的知识表示方法2.2.1 语义网表示方法2.2.2 语义网知识描述体系2.3 知识图谱中的知识表示方法2.3.1 表示框架2.3.2 Freebase中的知识框架2.4 知识图谱的数值化表示方法2.4.1 符号的数值化表示2.4.2 文本的数值化表示2.4.3 知识图谱的数值化表示2.5 小结三章 知识体系构建和知识融合3.1 知识体系构建3.1.1 人工构建方法3.1.2 自动构建方法3.1.3 典型知识体系3.2 知识融合3.2.1 框架匹配3.2.2 实体对齐3.2.3 冲突检测与消解3.2.4 典型知识融合系统3.3 小结四章 实体识别和扩展4.1 实体识别4.1.1 任务概述4.1.2 基于规则的实体识别方法4.1.3 基于机器学习的实体识别——基于特征的方法4.1.4 基于机器学习的实体识别——基于神经网络的方法4.2 细粒度实体识别4.2.1 任务概述4.2.2 细粒度实体识别方法4.3 实体扩展4.3.1 任务概述4.3.2 实体扩展方法4.4 小结五章 实体消歧5.1 任务概述5.1.1 任务定义5.1.2 任务分类5.1.3 相关评测5.2 基于聚类的实体消歧方法5.2.1 基于表层特征的实体指称项相似度计算5.2.2 基于扩展特征的实体指称项相似度计算5.2.3 基于社会化网络的实体指称项相似度计算5.3 基于实体链接的实体消歧方法5.3.1 链接候选过滤方法5.3.2 实体链接方法5.4 面向结构化文本的实体消歧方法5.5 小结六章 关系抽取6.1 任务概述6.1.1 任务定义6.1.2 任务分类6.1.3 任务难点6.1.4 相关评测6.2 限定域关系抽取6.2.1 基于模板的关系抽取方法6.2.2 基于机器学习的关系抽取方法6.3 开放域关系抽取6.4 小结七章 事件抽取7.1 任务概述7.2 限定域事件抽取7.2.1 基于模式匹配的事件抽取方法7.2.2 基于机器学习的事件抽取方法7.3 开放域事件抽取7.3.1 基于内容特征的事件抽取方法7.3.2 基于异常检测的事件抽取方法7.4 事件关系抽取7.4.1 事件共指关系抽取7.4.2 事件因果关系抽取7.4.3 子事件关系抽取7.4.4 事件时序关系抽取7.5 小结八章 知识存储和检索8.1 知识图谱的存储8.1.1 基于表结构的存储8.1.2 基于图结构的存储8.2 知识图谱的检索8.2.1 常见形式化查询语言8.2.2 图检索技术8.3 小结九章 知识推理9.1 知识图谱中的典型推理任务9.1.1 知识补全9.1.2 知识问答9.2 知识推理分类

基本信息

出版社: 高等教育出版社; 第1版 (2018年8月1日)

平装: 222页

ISBN: 9787040502435

内容简介

机器翻译是人工智能，尤其是自然语言处理方向的一个重要研究领域。本书作为该领域的入门书籍，内容上尽可能覆盖机器翻译研究历史上各种主流的研究方法和相关资源。全书分为七章，包括三个主要部分。第部分(第、第二章) 主要介绍了机器翻译的历史、研究概况和基础知识，第二部分 (第三、第四章) 详细讨论了统计机器翻译方法的理论和实现，第三部分(第五至七章) 则着重介绍了深度学习在机器翻译研究中应用的新进展，内容包括深度学习的基础知识和在机器翻译中应用深度学习的不同方法。每章后均附有扩展阅读的内容供想深入研究的读者参考。

本书可以作为高等院校计算机类和电子信息类等相关的研究生教材，也可供对机器翻译的研究和进展有兴趣的读者和工程技术人员参考。

目录

前辅文

第章 绪论

1.1 机器翻译概述

1.1.1 机器翻译定义

1.1.2 机器翻译简史

1.1.3 机器翻译方法

1.1.4 机器翻译分析及展望

1.2 机器翻译的应用

1.2.1 文本翻译

1.2.2 语音翻译

1.2.3 应用扩展

1.3 本书章节总览

参考文献

第二章 机器翻译语料和评测

2.1 机器翻译语料

2.1.1 单语语料

2.1.2 双语语料

2.1.3 语料获取

2.1.4 语料处理

2.2 机器翻译评测

2.2.1 人工评测

2.2.2 自动评测

2.2.3 评测活动

参考文献

第三章 统计机器翻译基础

3.1 统计机器翻译简介

3.1.1 统计机器翻译系统框架

3.1.2 统计机器翻译基本流程

3.2 统计机器翻译建模

3.2.1 噪声-信道模型

3.2.2 对数-线性模型

3.2.3 模型训练方法

3.3 语言模型

3.3.1 n元文法语言模型定义

3.3.2 语言模型的平滑

3.3.3 语言模型的评价指标

3.4 翻译模型

3.4.1 词汇翻译模型

3.4.2 短语翻译模型

3.5 调序模型

3.5.1 基于跳转距离的调序模型

3.5.2 词汇化调序模型

3.5.3 基于句法的调序模型

3.6 扩展阅读

参考文献

第四章 统计机器翻译系统模型

4.1 基于短语的统计机器翻译模型

4.1.1 噪声-信道模型短语翻译模型

4.1.2 对数-线性模型短语翻译模型

4.1.3 解码

4.2 基于形式文法的统计机器翻译模型

4.2.1 基于反向转录文法的统计机器翻译模型

4.2.2 基于层次化短语的统计机器翻译模型

4.3 基于句法的统计机器翻译系统模型

4.3.1 树到串的翻译模型

4.3.2 串到树的翻译模型

4.4 多系统融合

4.4.1 句子级系统融合

4.4.2 短语级系统融合

4.4.3 词级系统融合

4.5 领域自适应

4.5.1 基于数据选择的领域自适应

4.5.2 基于自学习的领域自适应

4.5.3 基于上下文信息的领域自适应

4.6 统计机器翻译开源工具

4.7 扩展阅读

参考文献

第五章 自然语言处理中的深度学习基础

5.1 深度学习基础

5.1.1 简介

5.1.2 感知机

5.1.3 多层感知机

5.1.4 激活函数

5.1.5 反向传播算法

5.2 神经网络学习算法

5.2.1 随机梯度下降算法

5.2.2 基于动量的随机梯度下降算法

5.2.3 AdaGrad算法

5.2.4 RMSProp 算法

5.2.5 AdaDelta算法

5.2.6 Adam算法

5.2.7 不同参数更新方法的比较

5.3 自然语言处理中常用的神经网络模型

5.3.1 前馈神经网络

5.3.2 循环神经网络

5.3.3 长短时记忆网络

5.3.4 深层循环神经网络

5.3.5 卷积神经网络

5.3.6 通用词嵌入

5.4 扩展阅读

5.5 词汇缩写详解

参考文献

第六章 神经机器翻译

6.1 简单的神经网络机器翻译模型

6.2 神经联合模型

6.2.1 从语言模型到联合模型

6.2.2 基于神经网络的联合模型

6.2.3 基于神经网络的联合模型的训练

6.2.4 联合模型解码速度的优化

6.3 基于序列转换的神经机器翻译

6.3.1 编码器-解码器框架

6.3.2 编码器及其构造

6.3.3 其他方式的编码器

6.3.4 解码器及其构造

6.4 注意力模型

^_^:9372365b027ec8e641077467a55644c2