知識圖譜及應用案例
張善文 黃文準 於長青 陳明淑
- 出版商: 中國水利水電出版社
- 出版日期: 2022-09-01
- 定價: $528
- 售價: 7.9 折 $417
- 語言: 簡體中文
- 頁數: 256
- ISBN: 7517098446
- ISBN-13: 9787517098447
-
相關分類:
Natural Language Processing
立即出貨 (庫存=1)
中文年末書展|繁簡參展書2書75折 詳見活動內容 »
-
75折
為你寫的 Vue Components:從原子到系統,一步步用設計思維打造面面俱到的元件實戰力 (iThome 鐵人賽系列書)$780$585 -
75折
BDD in Action, 2/e (中文版)$960$720 -
75折
看不見的戰場:社群、AI 與企業資安危機$750$563 -
79折
AI 精準提問 × 高效應用:DeepSeek、ChatGPT、Claude、Gemini、Copilot 一本搞定$390$308 -
7折
超實用!Word.Excel.PowerPoint 辦公室 Office 365 省時高手必備 50招, 4/e (暢銷回饋版)$420$294 -
75折
裂縫碎光:資安數位生存戰$550$412 -
日本當代最強插畫 2025 : 150位當代最強畫師豪華作品集$640$576 -
79折
Google BI 解決方案:Looker Studio × AI 數據驅動行銷實作,完美整合 Google Analytics 4、Google Ads、ChatGPT、Gemini$630$498 -
79折
超有料 Plus!職場第一實用的 AI 工作術 - 用對 AI 工具、自動化 Agent, 讓生產力全面進化!$599$473 -
75折
從零開始學 Visual C# 2022 程式設計, 4/e (暢銷回饋版)$690$518 -
75折
Windows 11 制霸攻略:圖解 AI 與 Copilot 應用,輕鬆搞懂新手必學的 Windows 技巧$640$480 -
75折
精準駕馭 Word!論文寫作絕非難事 (好評回饋版)$480$360 -
Sam Yang 的插畫藝術:用 Procreate / PS 畫出最強男友視角 x 女孩美好日常$699$629 -
79折
AI 加持!Google Sheets 超級工作流$599$473 -
78折
想要 SSR? 快使用 Nuxt 吧!:Nuxt 讓 Vue.js 更好處理 SEO 搜尋引擎最佳化(iThome鐵人賽系列書)$780$608 -
78折
超實用!業務.總管.人資的辦公室 WORD 365 省時高手必備 50招 (第二版)$500$390 -
7折
Node-RED + YOLO + ESP32-CAM:AIoT 智慧物聯網與邊緣 AI 專題實戰$680$476 -
79折
「生成式⇄AI」:52 個零程式互動體驗,打造新世代人工智慧素養$599$473 -
7折
Windows APT Warfare:惡意程式前線戰術指南, 3/e$720$504 -
75折
我輩程式人:回顧從 Ada 到 AI 這條程式路,程式人如何改變世界的歷史與未來展望 (We, Programmers: A Chronicle of Coders from Ada to AI)$850$637 -
75折
不用自己寫!用 GitHub Copilot 搞定 LLM 應用開發$600$450 -
79折
Tensorflow 接班王者:Google JAX 深度學習又快又強大 (好評回饋版)$780$616 -
79折
GPT4 會你也會 - 共融機器人的多模態互動式情感分析 (好評回饋版)$700$553 -
79折
技術士技能檢定 電腦軟體應用丙級術科解題教本|Office 2021$460$363 -
75折
Notion 與 Notion AI 全能實戰手冊:生活、學習與職場的智慧策略 (暢銷回饋版)$560$420
相關主題
商品描述
近年來,大規模KG庫的研究和應用在學術界和工業界已經引起了廣泛的重視。《知識圖譜及應用案例》系統介紹KG的基本概念和關鍵技術,包括知識建模、關系抽取、存儲、自動推理、表示學習、語義搜索、知識問答、挖掘分析等內容,以可視化形式描述知識資源及其載體,挖掘、分析、構建、繪制和顯示知識及其之間的相互聯系,嘗試將學術前沿和實踐結合,讓讀者在掌握實際應用能力的同時對前沿技術發展有所瞭解。
《知識圖譜及應用案例》既適合計算機和人工智能相關的研究人員閱讀,也適合在企業一線從事技術和應用開發的人員學習,還可作為高等院校計算機或人工智能專業師生的參考資料。
目錄大綱
前言
第1章 基礎知識
1.1 大數據
1.2 知識圖譜
第2章 知識抽取與存儲
2.1 概述
2.2 實體抽取
2.3 關系抽取
2.4 事件抽取
2.5 知識抽取
2.6 知識存儲
2.7 開放知識庫和KG
第3章 知識表示、推理和融合
3.1 知識表示
3.2 知識建模
3.3 知識推理
3.4 知識融合
3.5 知識表示學習
3.6 知識體系
第4章 KG技術架構
4.1 KG構建
4.2 KG構建方法
4.3 基於深度學習的KG構建方法
4.4 醫療KG構建和應用簡單介紹
4.5 KG的應用
4.6 KG資源
第5章 基於KG的搜索、問答和推薦系統
5.1 概述
5.2 語義搜索
5.3 推薦系統
5.4 知識問答
第6章 KG應用
6.1 圖數據庫
6.2 Neo4j創建KG
6.3 開源KG框架SmartKG
參考文獻
