第1章緒論
1.1什么是知識
1.2知識類型與知識金字塔
1.3什么是知識圖譜
1.4知識圖譜的發(fā)展歷史
1.5知識圖譜研究的主要內容
1.5.1知識表示
1.5.2構建知識庫
1.5.3知識推理
1.5.4知識應用
1.6本書內容安排
第2章傳統知識表示與建模
2.1知識表示的基本概念
2.2基于邏輯的知識表示
2.2.1邏輯的基本概念
2.2.2命題邏輯
2.2.3謂詞邏輯
2.2.4歸結原理
2.3產生式表示方法
2.3.1事實與規(guī)則的表示
2.3.2產生式系統的結構
2.3.3產生式系統的推理
2.4語義網絡表示方法
2.4.1語義網絡的歷史
2.4.2語義網絡的結構
2.4.3語義網絡的實例
2.4.4基本的語義關系
2.4.5語義網絡的推理
2.5框架表示方法
2.5.1框架理論的概念
2.5.2框架的結構和框架的推理
2.6其他表示方法
2.6.1腳本知識表示方法
2.6.2過程性知識表示方法
2.7本章小結
第3章現代文本表示學習基礎
3.1文本表示學習的基礎模型
3.1.1單詞的分布表示
3.1.2句子的分布表示
3.1.3文檔的分布表示
3.2文本表示學習的進階模型
3.2.1ELMo
3.2.2GPT
3.2.3BERT
3.3文本表示與知識表示
3.4本章小結
第4章現代知識表示與學習
4.1基于幾何變換的知識圖譜表示學習
4.1.1基于平移原則的知識圖譜表示學習
4.1.2基于混合幾何變換的知識圖譜表示學習
4.1.3基于流形原則的知識圖譜表示學習
4.2基于神經網絡的知識圖譜表示模型
4.2.1距離模型
4.2.2簡單網絡模型
4.2.3復雜網絡模型
4.3結合文本的知識圖譜表示方法SSP
4.3.1研究背景
4.3.2模型描述
4.4本章小結
第5章知識圖譜的構建
5.1命名實體識別
5.1.1什么是命名實體
5.1.2任務概述
5.1.3傳統的命名實體識別方法
5.1.4基于深度學習的命名實體識別方法
5.1.5基于深度學習的命名實體識別新模型及新思路
5.2命名實體鏈接
5.2.1任務概述
5.2.2傳統的命名實體鏈接方法
5.2.3基于深度學習的命名實體鏈接方法
5.3命名實體關系抽取
5.3.1任務概述
5.3.2傳統的命名實體關系抽取方法
5.3.3基于深度學習的命名實體關系抽取方法
5.4本章小結
第6章知識推理
6.1什么是知識推理
6.2基于符號的知識推理
6.3基于隨機游走的路徑排序算法
6.4基于增強學習的路徑推理
6.4.1DeepPath
6.4.2MINERVA
6.5基于深度神經網絡的路徑推理
6.5.1Path-RNN
6.5.2擴展的Path-RNN
6.6本章小結
第7章知識圖譜的應用
7.1知識庫問答
7.1.1基于信息抽取的知識庫問答
7.1.2基于語義解析的知識庫問答
7.1.3基于嵌入表示的知識庫問答
7.2知識圖譜在文本生成中的應用
7.2.1常識知識驅動的對話生成模型
7.2.2常識知識驅動的故事結局生成模型
7.3知識圖譜在情感挖掘中的應用
7.3.1語言學知識驅動的情感分類
7.3.2知識圖譜驅動的情感分析
7.4本章小結
第8章知識圖譜資源
8.1通用的知識圖譜資源
8.1.1Freebase
8.1.2DBpedia
8.1.3OpenKG
8.1.4NELL
8.2領域相關的知識圖譜資源
8.2.1電子商務知識圖譜
8.2.2中醫(yī)藥知識圖譜
8.3本章小結
參考文獻
鄂公網安備 42010302001612號 