買這商品的人也買了...
-
人工智能算法 捲1 基礎算法$354$336 -
Python 圖形編程：2D 和 3D 圖像的創建$534$507 -
深度強化式學習 (Deep Reinforcement Learning in Action)$1,000$790 -
人工智能算法 捲3 深度學習和神經網絡$539$512 -
人工智能算法 捲2 受大自然啟發的算法$414$393 -
$551知識圖譜導論 -
核心開發者親授！PyTorch 深度學習攻略 (Deep Learning with Pytorch)$1,000$790 -
$454金融AI算法:人工智能在金融領域的前沿應用指南 -
$505基於混合方法的自然語言處理：神經網絡模型與知識圖譜的結合 -
研究方法: 入門與實務, 3/e (Research Methodology, 5/e)$660$627 -
$607視覺：對人類如何表示和處理視覺信息的計算研究 -
$607自然語言理解與行業知識圖譜：概念、方法與工程落地 -
$602知識圖譜與認知智能：基本原理、關鍵技術、應用場景與解決方案 -
$805知識圖譜研究與領域實踐 -
AI 必須！從做中學貝氏統計 – 從事機器學習、深度學習、資料科學、大數據分析一定要懂的統計利器 (Bayesian Statistics for Beginners: A Step-By-Step Approach)$1,200$948 -
PyTorch 深度學習實作：利用 PyTorch 實際演練神經網路模型$600$468 -
數位孿生：虛實融合打造元宇宙的關鍵技術$450$351 -
知識圖譜實戰$594$564 -
$505深度神經網絡高效計算：大模型輕量化原理與關鍵技術 -
超簡單圖解工程數學 (電子電機)$380$323 -
讓 AI 好好說話！從頭打造 LLM (大型語言模型) 實戰秘笈$680$537 -
$374DeepSeek 核心技術揭秘 -
深度學習詳解｜台大李宏毅老師機器學習課程精粹$750$593 -
越賣越多的祕密 - 使用 LLM 實作推薦系統及演算法$880$695 -
比 RAG 更強 - 知識增強 LLM 型應用程式實戰$980$774
相關主題
商品描述
知識圖譜作為認知智能的核心技術正蓬勃發展。本書系統全面地介紹了知識圖譜的核心技術，既有宏觀整體的技術體系，也有關鍵技術和算法細節，內容包括：知識圖譜模式設計的方法論——六韜法；知識圖譜構建中的實體抽取和關系抽取；知識存儲中的屬性圖模型及圖數據庫，重點介紹了JanusGraph分佈式圖數據庫；知識計算中的圖論基礎，以及中心性、社區檢測等經典圖計算算法；知識推理中的邏輯推理、幾何變換推理和深度學習推理，及其編程實例。最後，本書以金融、醫療和智能製造三大行業的應用場景為例，梳理了知識圖譜的應用價值和應用程序形態。
目錄大綱
第1章知識圖譜概述
1.1 從李白的《靜夜思》開始
1.2 什麼是知識圖譜
1.3 DIKW模型
1.4 從DIKW模型到知識圖譜
1.5 知識圖譜技術體系
1.5.1 知識圖譜模式設計與管理
1.5.2 知識圖譜構建技術
1.5.3 知識圖譜存儲技術
1.5.4 知識圖譜應用技術
1.5.5 用戶接口與界面
1.6 知識圖譜辨析
1.6.1 知識圖譜與自然語言處理
1.6.2 知識圖譜與圖數據庫
1.6.3 知識圖譜與語義網絡
1.6.4 知識圖譜與搜索引擎
1.6.5 知識圖譜與深度學r/>
1.7 知識圖譜是人工智步的階梯
1.7.1 明鑑歷史
1.7.2 預見未來
1.8 本章小結
第2章知識圖譜模式設計
2.1 知識圖譜模式
2.2 模式與本體
2.2.1 本體
2.2.2 模式與本體辨析
2.3 本體概論
2.3.1 本體的構成要素
2.3.2 本體分類
2.3.3 資源描述框架RDF
2.3.4 網絡本體語言OWL
2.3.5 知名本體介紹
2.4 模式設計的三大基本原則
2.4.1 賦予一類事物合適的名字
2.4.2 建立事物間清晰的聯繫
2.4.3 明確、正式的語義表達
2.5 六韜法
2.5.1 場景
2.5.2 復用
2.5.3 事物
2.5.4 聯繫
2.5.5 約束
2.5.6 評價
2.6 模式設計的工程模型
2.6.1 瀑布模型
2.6.2 螺旋模型
2.7 本章小結
第3章實體抽取
3.1 實體、命名實體和實體抽取
3.2 基於規則的實體抽取
3.2.1 基於詞典匹配的實體抽取方法
……
第4章關係抽取
第5章知識存儲
第6章知識計算
第7章知識推理
第8章知識圖譜行業應用
