定 價:48 元
叢書名:人工智能叢書,“十三五”國家重點圖書出版規(guī)劃
- 作者:趙軍,劉康,何世柱,陳玉博,張元哲著
- 出版時間:2022/3/1
- ISBN:9787040577259
- 出 版 社:高等教育出版社
- 中圖法分類:G302
- 頁碼:274
- 紙張:膠版紙
- 版次:1
- 開本:16開
《知識圖譜:算法與實踐》是《知識圖譜》的配套教材,也是知識圖譜領(lǐng)域的算法與實踐指導(dǎo)書。
在對知識圖譜基本概念、典型任務(wù)和常用方法進行系統(tǒng)性講解的基礎(chǔ)上,《知識圖譜:算法與實踐》對知識建模、知識獲取、知識融合、知識管理、知識推理以及知識服務(wù)等知識圖譜各個技術(shù)環(huán)節(jié)進行具體的操作指導(dǎo),引導(dǎo)讀者實現(xiàn)關(guān)鍵任務(wù)和算法,搭建具體項目。
《知識圖譜:算法與實踐》為算法實踐教材,不僅提供了重點、難點內(nèi)容的圖片、視頻資源,還提供了核心算法的配套項目,讀者可以登錄Abook網(wǎng)站跟隨完整項目自主學習相關(guān)任務(wù)、算法和源代碼。
《知識圖譜:算法與實踐》可以作為自然語言處理、知識工程、人工智能等相關(guān)課程的本科生和研究生教材,也可供計算機科學技術(shù)領(lǐng)域相關(guān)工程技術(shù)人員學習參考。
我在中國科學院大學給研究生開設(shè)“知識圖譜”課程,從2017年秋季至今已經(jīng)講授四屆,課程受到各個學院不同專業(yè)同學們的廣泛關(guān)注,2020年被評為中國科學院大學人工智能學院研究生優(yōu)秀課程。在總結(jié)講義和課件的基礎(chǔ)上,《知識圖譜》教材于2018年底在高等教育出版社出版了,受到讀者的普遍歡迎,我們借此機會表示衷心感謝。同時,我也收到不少讀者和同學的反饋:他們在學習完課程和教材之后,對于知識圖譜的基本概念、基本方法和主要技術(shù)都有了較好的理解,但是存在“貌似都懂,依然無從下手”的問題,希望能有一本相關(guān)算法和實踐方面的配套教材,對知識圖譜各個技術(shù)環(huán)節(jié)進行具體的操作指導(dǎo),引導(dǎo)他們實現(xiàn)關(guān)鍵任務(wù)和算法,搭建具體項目。為了滿足讀者和同學們的需求,我組織課題組的老師和研究生們編寫了《知識圖譜:算法與實踐》一書,配合《知識圖譜》教材的使用。
全書由趙軍主持,趙軍、劉康、何世柱、陳玉博、張元哲共同撰寫,我指導(dǎo)的多位研究生提供了部分章節(jié)的原始素材,主要包括:第二章(張翔)、第三章(曹鵬飛)、第四章(隋典伯)、第五章(隋典伯)、第六章(劉健、楊航)、第七章(鞠一鳴、李澤政)、第八章(劉操)、第九章(田志興)、第十章(張翔,劉慶斌)、第十一章(薛智朋、吳順)。同時,劉操、劉健、張翔、曹鵬飛、隋典伯、左新宇、楊航、劉慶斌、田志興、鞠一鳴、李澤政、白桂榮、宋挺等同學為相應(yīng)章節(jié)提供了配套項目代碼。李文婷、劉操、張翔、劉健、楊航、左新宇等參加了書稿校對。本書在初稿完成后,在中國科學院大學的“知識圖譜”研究生課程上得到試用;同時,我們邀請清華大學李涓子教授、中國科學院軟件研究所孫樂研究員和中國科學院信息工程研究所王斌研究員審閱全書,并根據(jù)他們的寶貴意見對全書進行修改和完善,形成了最終版本。
衷心感謝中國科學院自動化研究所的領(lǐng)導(dǎo)和同事們,衷心感謝學術(shù)界和企業(yè)界的師長、同仁和朋友們,恕不一一列舉,本書的出版與他們的信任、支持和幫助是分不開的。高等教育出版社在出版過程中給予了大力支持和幫助,謹向他們表示衷心的感謝。本書相關(guān)的研究工作受到國家科技創(chuàng)新2030-新一代人工智能重大項目“以自然語言為核心的語義理解研究”(2020AAA0106400)和國家自然科學基金重點項目“大規(guī)模知識關(guān)聯(lián)和文本語義計算方法及應(yīng)用驗證”(61533018)的資助。
趙軍,中國科學院自動化研究所模式識別國家重點實驗室。研究員,博士生導(dǎo)師:中國科學院大學人工智能學院崗位教授。研究領(lǐng)域為自然語言處理和知識工程。作為項目負責人承擔科技部“新一代人工智能”重大項目、國家自然科學基金重點項目等多項***重要科研項目以及企業(yè)應(yīng)用項目。在ACL、AAAI等國際會議和重要學術(shù)期刊上發(fā)表論文80余篇,Google Scholar總引用超過1。4萬次。曾獲第25屆國際計算語言學大會COLING 2014論文獎,中國中文信息學會“錢偉長中文信息處理科學技術(shù)獎”一等獎(個人排名首位。2018年)。北京市科學技術(shù)進步獎一等獎(個人排名首位,2019年)。兼任中國中文信息學會常務(wù)理事,《中文信息學報》編委,Journal of Machine Intelligence Research編委。出版《知識圖譜》專著,在中國科學院大學主講《知識圖譜》課程,入選中國科學院大學校級研究生優(yōu)秀課程(2021年)。本人獲得中國科學院朱李月華優(yōu)秀教師獎(2020年)。
劉康,中國科學院自動化研究所模式識別國家重點實驗室,研究員,博士生導(dǎo)師:中國科學院大學人工智能學院崗位教授,北京智源人工智能研究院青年科學家。研究領(lǐng)域包括信息抽取、網(wǎng)絡(luò)挖掘、問答系統(tǒng)等,同時也涉及模式識別與機器學習方面的基礎(chǔ)研究。在人工智能、自然語言處理、知識工程等領(lǐng)域國際重要會議和期刊發(fā)表多篇學術(shù)論文。Google Scholar引用1萬余次。曾獲第25屆國際計算語言學大會COLING 2014論文獎,中國中文信息學會漢王青年創(chuàng)新獎(2014年),Google Focused Research Award(2015、2016年),中國中文信息學會“錢偉長中文信息處理科學技術(shù)獎”一等獎(個人排名第二,2018年)。北京市科學技術(shù)進步獎一等獎(個人排名第二,2019年)等獎項。2019年獲得國家優(yōu)秀青年基金項目支持,2020年入選中國科學院青年創(chuàng)新促進會優(yōu)秀會員。
何世柱,中國科學院自動化研究所模式識別國家重點實驗室,副研究員,碩士生導(dǎo)師。研究方向為問答系統(tǒng)、知識推理和自然語言處理。主持或參與國家自然科學基金重點項目課題、科技部“新一代人工智能”重大項目等多項國家項目和企業(yè)項目,在ACL、AAAI等人工智能、自然語言處理、知識工程等領(lǐng)域國際重要會議和期刊發(fā)表多篇學術(shù)論文,Google Scholar引用3700余次,出版《知識圖譜》專著。曾獲中國中文信息學會“錢偉長中文信息處理科學技術(shù)獎”一等獎(個人排名第三,2018年),北京市科學技術(shù)進步獎一等獎(個人排名第四,2019年)。2020年入選中國科學院青年創(chuàng)新促進會。
陳玉博,中國科學院自動化研究所模式識別國家重點實驗室,副研究員,碩士生導(dǎo)師。研究方向為信息抽取、知識圖譜和自然語言處理。在ACL、EMNLP、AAAI等國際重要會議和期刊發(fā)表多篇學術(shù)論文,Google Scholar引用2600余次,出版《知識圖譜》專著,主持或參與國家自然科學基金面上項目、國家自然科學基金重點項目和多項企業(yè)項目。曾獲中國中文信息學會“錢偉長中文信息處理科學技術(shù)獎”一等獎(個人排名第四,2018年),北京市科學技術(shù)進步獎一等獎(個人排名第五。2019年)。2020年入選第五屆中國科協(xié)青年人才托舉工程。2022年入選中國科學院青年創(chuàng)新促進會。
張元哲,中國科學院自動化研究所模式識別國家重點實驗室,副研究員。研究方向為機器閱讀理解、可解釋性和自然語言處理。在ACL、EMNLP、AAAI等人工智能、自然語言處理、知識工程國際重要會議和期刊發(fā)表多篇學術(shù)論文,主持或參與國家自然科學基金青年科學基金項目、國家自然科學基金重點項目和多項企業(yè)項目,曾獲北京市科學技術(shù)進步獎一等獎(個人排名第六,2019年)。
第一章 知識圖譜概述
1.1 什么是知識圖譜
1.1.1 知識圖譜的意義
1.1.2 知識圖譜的內(nèi)涵
1.1.3 知識圖譜的類型
1.2 知識圖譜的應(yīng)用
1.2.1 不同任務(wù)中的應(yīng)用
1.2.2 不同領(lǐng)域中的應(yīng)用
1.3 知識圖譜構(gòu)建與應(yīng)用的關(guān)鍵步驟
1.3.1 知識建模
1.3.2 知識獲取
1.3.3 知識融合
1.3.4 知識推理
1.3.5 知識管理
1.3.6 知識應(yīng)用
1.4 小結(jié)
第二章 知識表示與框架構(gòu)建
2.1 概述
2.2 經(jīng)典知識表示理論
2.2.1 語義網(wǎng)絡(luò)
2.2.2 框架
2.2.3 一階謂詞邏輯
2.2.4 描述邏輯
2.3 語義網(wǎng)技術(shù)體系
2.3.1 語義網(wǎng)整體架構(gòu)
2.3.2 資源描述框架(RDF)及其語義擴展(RDFS)
2.3.3 本體(Ontology)與本體描述語言(OWL)
2.3.4 規(guī)則及其交換格式
2.3.5 查詢語言
2.4 知識圖譜及其知識體系
2.4.1 知識圖譜與語義網(wǎng)
2.4.2 典型知識圖譜
2.4.3 多元關(guān)系的表示方法
2.5 知識框架構(gòu)建流程
2.5.1 知識框架建模
2.5.2 知識框架構(gòu)建工具介紹
2.6 知識圖譜的數(shù)值化表示
2.6.1 表示學習方法概述
2.6.2 典型數(shù)值表示方法
2.7 小結(jié)
第三章 實體識別
3.1 任務(wù)概述
3.1.1 任務(wù)定義
3.1.2 任務(wù)難點
3.1.3 相關(guān)評測
3.2 實體識別
3.2.1 基于詞典的實體識別方法
3.2.2 基于特征工程的實體識別方法
3.2.3 基于神經(jīng)網(wǎng)絡(luò)的實體識別方法
3.2.4 融合詞典特征的神經(jīng)網(wǎng)絡(luò)實體識別方法
3.3 小結(jié)
……
第四章 實體消歧
第五章 實體關(guān)系抽取
第六章 事件抽取
第七章 知識融合
第八章 知識推理
第九章 知識圖譜數(shù)據(jù)管理
第十章 知識問答與對話
第十一章 知識圖譜構(gòu)建與應(yīng)用實踐
附錄 數(shù)學符號規(guī)范表
全書代碼資源下載
參考文獻