知識(shí)圖譜研究與領(lǐng)域?qū)嵺`

定　價(jià)：￥169.80

作　者：	馮鈞，朱躍龍，杭婷婷，陸佳民，巫義銳，王文鵬
出版社：	人民郵電出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787115584212	出版時(shí)間：	2022-05-01	包裝：
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	274	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　知識(shí)圖譜已被廣泛應(yīng)用于智能信息搜索、自動(dòng)問(wèn)答、決策分析等領(lǐng)域。本書(shū)以構(gòu)建領(lǐng)域多層次知識(shí)體系支撐智能應(yīng)用為目標(biāo)，系統(tǒng)地介紹實(shí)體關(guān)系圖譜、事理圖譜和業(yè)務(wù)主題圖譜構(gòu)建過(guò)程中涉及的關(guān)鍵技術(shù)，如知識(shí)抽取、知識(shí)融合、知識(shí)存儲(chǔ)、事件和場(chǎng)景抽取、事件模式庫(kù)構(gòu)建、事理規(guī)則挖掘、層次主題挖掘、動(dòng)態(tài)主題挖掘、對(duì)象屬性挖掘、主題要素關(guān)聯(lián)挖掘等。此外，本書(shū)還提供豐富的案例，展現(xiàn)如何利用知識(shí)圖譜實(shí)現(xiàn)領(lǐng)域智能應(yīng)用。\n本書(shū)內(nèi)容對(duì)于知識(shí)圖譜研究和領(lǐng)域應(yīng)用具有一定的參考意義，既適合專(zhuān)業(yè)人士了解知識(shí)圖譜和深度學(xué)習(xí)前沿?zé)狳c(diǎn)，又適合在相關(guān)領(lǐng)域從事知識(shí)圖譜應(yīng)用開(kāi)發(fā)的人員學(xué)習(xí)，還可以作為高等院校人工智能專(zhuān)業(yè)師生的參考教材。

作者簡(jiǎn)介

　　馮鈞，日本名古屋大學(xué)信息工程博士，博士生導(dǎo)師，現(xiàn)就職于河海大學(xué)計(jì)算機(jī)與信息學(xué)院，長(zhǎng)期從事數(shù)據(jù)管理、領(lǐng)域知識(shí)工程、水利大數(shù)據(jù)應(yīng)用研究。主持或參與國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目、國(guó)家重大專(zhuān)項(xiàng)、國(guó)家科技支撐計(jì)劃、國(guó)家自然科學(xué)基金、水利部公益性行業(yè)專(zhuān)項(xiàng)重點(diǎn)項(xiàng)目、江蘇省科技支撐計(jì)劃以及重點(diǎn)工程科研項(xiàng)目等30余項(xiàng)目。獲國(guó)家科技進(jìn)步二等獎(jiǎng)1項(xiàng)，省部級(jí)科技進(jìn)步一等獎(jiǎng)2項(xiàng)、二等獎(jiǎng)1項(xiàng)，發(fā)表學(xué)術(shù)論文80余篇。主持編制水利行業(yè)標(biāo)準(zhǔn)2部，出版英文學(xué)術(shù)專(zhuān)著1部，申請(qǐng)國(guó)家發(fā)明專(zhuān)利60余件，獲授權(quán)國(guó)家發(fā)明專(zhuān)利30余項(xiàng)，軟件著作權(quán)10余項(xiàng)。江蘇省“青藍(lán)工程”優(yōu)秀青年骨干教師。

圖書(shū)目錄

目錄\n
\n
第 1章緒論 001\n
1．1 知識(shí)圖譜簡(jiǎn)介 001\n
1．2 領(lǐng)域分層知識(shí)體系 003\n
參考文獻(xiàn) 004\n
第 2章實(shí)體關(guān)系圖譜構(gòu)建技術(shù) 005\n
2．1 知識(shí)抽取 005\n
2．1．1 引言 005\n
2．1．2 相關(guān)工作 006\n
2．1．3 基于維基百科的知識(shí)抽取 010\n
2．1．4 水利空間關(guān)系詞識(shí)別與提取 014\n
2．1．5 面向領(lǐng)域知識(shí)圖譜的關(guān)系抽取 020\n
2．1．6 基于強(qiáng)化學(xué)習(xí)的關(guān)系抽取 031\n
2．1．7 基于聯(lián)合學(xué)習(xí)的實(shí)體關(guān)系抽取 039\n
2．1．8 總結(jié) 043\n
2．2 知識(shí)融合 044\n
2．2．1 引言 044\n
2．2．2 相關(guān)工作 044\n
2．2．3 基于多特征的實(shí)體消歧 051\n
2．2．4 基于詞典的屬性對(duì)齊 055\n
2．2．5 基于貝葉斯分析的屬性真值發(fā)現(xiàn) 056\n
2．2．6 實(shí)驗(yàn)分析 060\n
2．2．7 總結(jié) 063\n
2．3 知識(shí)存儲(chǔ) 063\n
2．3．1 引言 063\n
2．3．2 相關(guān)工作 064\n
2．3．3 基于頻繁謂詞的擴(kuò)展垂直劃分方法 065\n
2．3．4 基于頻繁謂詞樹(shù)的SPARQL查詢(xún)方法 069\n
2．3．5 基于混合存儲(chǔ)模式的分布式SPARQL查詢(xún)優(yōu)化 076\n
2．3．6 總結(jié) 084\n
參考文獻(xiàn) 084\n
第3章事理圖譜構(gòu)建 091\n
3．1 事件和場(chǎng)景抽取 091\n
3．1．1 引言 091\n
3．1．2 相關(guān)工作 093\n
3．1．3 基于預(yù)訓(xùn)練模型的事件抽取 095\n
3．1．4 基于Bi-LG-LSTM神經(jīng)網(wǎng)絡(luò)的一元時(shí)間序列分割 101\n
3．1．5 基于滑動(dòng)窗口采樣和DTWCorr度量方式的多元時(shí)間序列分割 107\n
3．1．6 總結(jié) 113\n
3．2 事件模式庫(kù)構(gòu)建 114\n
3．2．1 引言 114\n
3．2．2 相關(guān)工作 114\n
3．2．3 基于特征提取與選擇的多元時(shí)間序列聚類(lèi) 115\n
3．2．4 基于子序列全連接的時(shí)間序列模體挖掘 122\n
3．2．5 基于時(shí)間序列關(guān)系的多元時(shí)間序列關(guān)聯(lián)規(guī)則挖掘 129\n
3．2．6 總結(jié) 135\n
3．3 事理規(guī)則挖掘 136\n
3．3．1 引言 136\n
3．3．2 相關(guān)工作 136\n
3．3．3 基于事理圖譜的時(shí)空?qǐng)鼍笆录莼梢蚍治?137\n
3．3．4 總結(jié) 144\n
參考文獻(xiàn) 144\n
第4章業(yè)務(wù)主題圖譜構(gòu)建技術(shù) 149\n
4．1 層次主題挖掘技術(shù) 149\n
4．1．1 引言 149\n
4．1．2 相關(guān)工作 150\n
4．1．3 基于標(biāo)簽信息的文本主題層次挖掘模型 151\n
4．1．4 總結(jié) 160\n
4．2 動(dòng)態(tài)主題挖掘技術(shù) 161\n
4．2．1 引言 161\n
4．2．2 相關(guān)研究 161\n
4．2．3 基于主題關(guān)聯(lián)度的動(dòng)態(tài)主題演化路徑挖掘 162\n
4．2．4 總結(jié) 166\n
4．3 對(duì)象屬性挖掘技術(shù) 166\n
4．3．1 引言 166\n
4．3．2 相關(guān)工作 166\n
4．3．3 基于LDA和同義詞識(shí)別的對(duì)象屬性挖掘 167\n
4．3．4 總結(jié) 174\n
4．4 主題要素關(guān)聯(lián)挖掘技術(shù) 174\n
4．4．1 引言 174\n
4．4．2 相關(guān)工作 174\n
4．4．3 基于文檔網(wǎng)絡(luò)圖的主題關(guān)鍵要素挖掘 176\n
4．4．4 總結(jié) 182\n
參考文獻(xiàn) 182\n
第5章領(lǐng)域知識(shí)應(yīng)用 187\n
5．1 智能數(shù)據(jù)服務(wù)技術(shù)的應(yīng)用案例 187\n
5．1．1 引言 187\n
5．1．2 基于知識(shí)圖譜的多關(guān)系問(wèn)答 188\n
5．1．3 水利領(lǐng)域知識(shí)圖譜可視化 197\n
5．1．4 基于知識(shí)圖譜的個(gè)性化推薦 204\n
5．1．5 面向基礎(chǔ)水利對(duì)象的多模態(tài)數(shù)據(jù)關(guān)聯(lián)與應(yīng)用 208\n
5．1．6 總結(jié) 214\n
5．2 智能決策支持的應(yīng)用案例 214\n
5．2．1 引言 214\n
5．2．2 基于時(shí)空特征模式庫(kù)的決策方案生成和優(yōu)化 214\n
5．2．3 基于事理圖譜演化模式的反向成因分析 227\n
5．2．4 總結(jié) 230\n
5．3 智能預(yù)測(cè)模型的應(yīng)用案例 231\n
5．3．1 引言 231\n
5．3．2 基于多特征小樣本數(shù)據(jù)的洪水預(yù)報(bào) 231\n
5．3．3 基于可解釋的時(shí)空注意力網(wǎng)絡(luò)方法的洪水預(yù)報(bào) 241\n
5．3．4 基于特征融合的洪水預(yù)測(cè) 252\n
5．3．5 基于可解釋的洪水多步預(yù)測(cè)方法 258\n
5．3．6 總結(jié) 263\n
5．4 基于耦合網(wǎng)絡(luò)的業(yè)務(wù)協(xié)同預(yù)演 264\n
5．4．1 引言 264\n
5．4．2 耦合網(wǎng)絡(luò)定義與表示 265\n
5．4．3 面向業(yè)務(wù)的協(xié)同預(yù)演系統(tǒng)架構(gòu) 266\n
5．4．4 總結(jié) 268\n
參考文獻(xiàn) 268