幫助中心 | 我的帳號 | 關於我們

面向共融機器人的自然交互(命名實體識別與關係抽取)

  • 作者:編者:徐華//高凱|責編:白立軍
  • 出版社:清華大學
  • ISBN:9787302638322
  • 出版日期:2023/09/01
  • 裝幀:平裝
  • 頁數:186
人民幣:RMB 68 元      售價:
放入購物車
加入收藏夾

內容大鋼
    共融機器人是能夠與作業環境、人和其他機器人自然交互、自主適應複雜動態環境並協同作業的機器人。「敏銳體貼型」的自然交互是共融服務機器人的研究熱點之一,業內當前迫切需要共融機器人具備理解複雜語義信息的能力。本書立足於深度學習方法的信息與知識抽取領域,從學習文本表示出發,系統地介紹了用於獲取現實世界知識信息中命名實體和實體關係的方法,並深入探討了如何在開放領域實現魯棒的實體關係分析。
    本書是國內共融機器人自然交互領域第一本系統介紹深度學習的命名實體識別和關係抽取的專業書籍,可為讀者掌握共融機器人研究領域信息與知識抽取的關鍵技術和基礎知識,追蹤該領域的發展前沿提供參考,適合人工智慧科學與技術、人工智慧等專業的學生及相關研究者閱讀。

作者介紹
編者:徐華//高凱|責編:白立軍
    徐華博士,2003年畢業於清華大學電腦科學與技術系,現為清華大學電腦科學與技術系長聘副教授,博士生導師。從事多模態智能信息處理、智能優化和共融機器人智能控制等研究工作。擔任愛思唯爾(Elsevier)開放期刊Intelligent Systems with Applications首任主編,權威期刊Expert Systems with Applications副主編。完成國家科技重大專項課題3項,國家自然科學基金項目4項,國家973項目二級課題2項,國家863項目(課題)5項,國際500強企業(寶潔、西門子、安捷倫等)合作項目13項。目前已在本專業領域權威國際期刊和AAAI、ACL、ACM MM等頂級會議上發表學術論文100余篇。獲得國家科學技術進步獎二等獎1項(集體獎),北京市科學技術獎一等獎1項,北京市科學技術獎二等獎1項(集體獎),北京市科學技術獎三等獎1項,重慶市科技進步獎三等獎1項,中國物流與採購聯合會科技發明獎一等獎1項,中國物流與採購聯合會科學技術獎一等獎1項。作為主講教師,主講清華大學全校性課程「數據挖掘:方法與應用」「工業數據挖掘與分析」「互聯網產品設計」等課程。獨立編寫專著和教材5部,其中《演化機器學習》是國內首部演化機器學習領域的學術專著;《面向共融機器人的自然交互—人機對話意圖理解》是國內首部共融機器人自然交互領域的學術專著;《數據挖掘:方法與應用》和《數據挖掘:方法與應用—應用案例》已經被國內眾多高校選用為配套教材,並獲得清華大學優秀教材(2020年)二等獎。

目錄
第1篇  引言
  第1章  對話信息中的命名實體識別
    1.1  命名實體識別概述
    1.2  相關研究方法概述
      1.2.1  詞嵌入表示方法
      1.2.2  上下文編碼架構
      1.2.3  標籤解碼網路
    1.3  本章小結
  第2章  垂直領域的實體關係分析
    2.1  抽取垂直領域的實體關係
      2.1.1  基於有監督方法的關係抽取
      2.1.2  基於遠程監督方法的關係抽取
      2.1.3  基於小樣本學習方法的關係抽取
      2.1.4  實體和關係聯合抽取
    2.2  相關研究方法綜述
      2.2.1  卷積神經網路
      2.2.2  注意力機制
      2.2.3  圖神經網路
      2.2.4  對抗訓練
    2.3  本章小結
  第3章  開放領域的實體關係分析
    3.1  開放領域的實體關係抽取
    3.2  相關研究方法綜述
      3.2.1  自監督學習
      3.2.2  開放世界分類
      3.2.3  無監督聚類
      3.2.4  深度度量學習
      3.2.5  持續學習
      3.2.6  對比學習
    3.3  本章小結
  本篇小結
第2篇  對話信息中的命名實體識別
  第4章  基於S-LSTM的上下文詞狀態與句子狀態表示模型
    4.1  概述
    4.2  基於GloVe的詞嵌入
    4.3  基於雙向LSTM的字元級向量表示
      4.3.1  LSTM神經網路
      4.3.2  雙向LSTM神經網路
      4.3.3  字元級向量表示模型
    4.4  基於Attention機制的詞向量與字元向量連接
    4.5  預訓練的額外詞表示
      4.5.1  雙向語言模型
      4.5.2  ELMo
    4.6  上下文詞狀態表示
    4.7  基於S-LSTM構建面向命名實體識別的新的句子狀態表示
    4.8  基於改進S-LSTM構建面向命名實體識別的新的上下文詞狀態
    4.9  標籤預測
    4.10  實驗與分析
      4.10.1  數據集
……

第3篇  垂直領域的實體關係分析
第4篇  開放領域的實體關係分析
參考文獻
附錄A  英文縮寫對照表
附錄B  圖片索引
附錄C  表格索引
結束語

  • 商品搜索:
  • | 高級搜索
首頁新手上路客服中心關於我們聯絡我們Top↑
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話:02-2381-2033 02-2381-1863 時間:週一-週五 10:00-17:00
 服務信箱:bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證:浙B2-20060032