幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

自然語言處理技術--實體關係抽取研究

  • 作者：黃河燕|責編:曾仙
  • 出版社：北京理工大學
  • ISBN：9787576343946
  • 出版日期：2024/08/01
  • 裝幀：平裝
  • 頁數：229
人民幣：RMB 76 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書共分為7章，針對實體關係抽取領域的關鍵難題，盡可能梳理出問題成因、關鍵問題的思路、關鍵技術，以及未來的發展趨勢。第1章介紹了實體關係抽取的研究背景及意義，概述了基本概念及問題描述。第2章介紹了本書涉及的自然語言處理與深度學習相關基礎理論知識和模型。第3、4、6章圍繞句子級別的關係抽取進行研究，討論一些有效的方法（嵌套實體識別、多關係抽取、實體關係聯合抽取），並介紹相關的應用場景。第5章介紹了兩種篇章級別關係抽取方法。第7章對本書的主要研究工作和創新點進行了總結，並對實體關係聯合抽取的未來研究方向進行了展望。
    本書可作為高等院校電腦及相關專業本科生或者研究生課程的教材，也可供自然語言處理愛好者自學和參考。
作者介紹
黃河燕|責編:曾仙
    黃河燕，博士，教授，博士生導師，北京理工大學人工智慧研究院院長、北京市海量語言信息處理與雲計算應用工程技術研究中心主任、信息智能處理與內容安全工信部重點實驗室主任、現兼任教育部電腦專業教指委副主任委員、中國中文信息學會和中國軟體行業協會副理事長、中國電子學會常務理事、信息技術新工科產學研聯盟副理事長兼秘書長、國家自然科學基金委專家評審組成員。曾獲國家科技進步一等獎、二等獎，北京市科學技術一等獎、二等獎等十余項國家級和省部級獎勵。
目錄
第1章  緒論
  1.1  研究背景及意義
  1.2  基本概念及問題描述
    1.2.1  實體識別
    1.2.2  嵌套實體識別
    1.2.3  關係抽取
    1.2.4  多關係抽取
    1.2.5  實體關係聯合抽取
    1.2.6  實體關係抽取應用
  1.3  典型方法與代表性系統
    1.3.1  半監督抽取
    1.3.2  監督抽取
    1.3.3  遠程監督抽取
    1.3.4  序列標注模型
    1.3.5  句子分類模型
    1.3.6  句法樹模型
    1.3.7  圖模型
  1.4  相關數據集與評測指標
    1.4.1  ACE 2005 數據集
    1.4.2  SemEval 數據集
    1.4.3  CoNLL 數據集
    1.4.4  GENIA 數據集
    1.4.5  WebNLG 數據集
    1.4.6  NYT 數據集
    1.4.7  GIDS 數據集
    1.4.8  性能評測及指標
  1.5  本書章節組織架構
  1.6  本章參考文獻
第2章  基礎理論及模型
  2.1  辭彙語義表示
    2.1.1  One - hot 表示
    2.1.2  Word2Vec 詞向量表示
    2.1.3  GloVe 詞向量表示
    2.1.4  ELMo 詞向量表示
    2.1.5  BERT 詞向量表示
  2.2  條件隨機場
  2.3  支持向量機
  2.4  全連接神經網路
  2.5  循環神經網路
    2.5.1  普通循環神經網路
    2.5.2  長短時記憶網路
    2.5.3  門控循環單元網路
    2.5.4  雙向循環神經網路
    2.5.5  遞歸神經網路
  2.6  卷積神經網路
  2.7  自注意機制網路
  2.8  圖神經網路
    2.8.1  圖卷積神經網路
    2.8.2  圖循環網路
  2.9  多任務學習

  2.10  本章參考文獻
第3章  嵌套實體識別和多關係抽取
  3.1  命名實體識別
  3.2  基於超圖網路的嵌套實體識別
    3.2.1  概述
    3.2.2  問題描述
    3.2.3  模型架構
    3.2.4  實驗驗證
  3.3  基於力引導圖的多關係關聯學習
    3.3.1  概述
    3.3.2  問題描述
    3.3.3  力引導圖構建
    3.3.4  模型架構
    3.3.5  實驗驗證
  3.4  基於圖推理的多關係抽取模型
    3.4.1  概述
    3.4.2  問題描述
    3.4.3  模型架構
    3.4.4  實驗驗證
  3.5  關係模式識別
    3.5.1  概述
    3.5.2  問題描述
    3.5.3  模型架構
    3.5.4  實驗驗證
  3.6  多粒度語義表示關係抽取模型
    3.6.1  概述
    3.6.2  問題描述
    3.6.3  模型架構
    3.6.4  實驗驗證
  3.7  本章小結
  3.8  本章參考文獻
第4章  單模塊同步實體關係聯合抽取
  4.1  實體關係聯合抽取
    4.1.1  研究背景及意義
    4.1.2  本章問題描述及解決思路
  4.2  基於關係推理的單模塊同步實體關係聯合抽取
    4.2.1  概述
    4.2.2  模型架構
    4.2.3  實驗驗證
  4.3  基於二部圖鏈接的單模塊同步實體關係聯合抽取
    4.3.1  概述
    4.3.2  模型架構
    4.3.3  實驗驗證
  4.4  基於細粒度分類的單模塊同步實體關係聯合抽取
    4.4.1  概述
    4.4.2  模型架構
    4.4.3  實驗驗證
  4.5  本章小結
  4.6  本章參考文獻
第5章  篇章級別的關係抽取

  5.1  篇章級別關係抽取概述
  5.2  基於多層聚合和邏輯推理的篇章級別關係抽取
    5.2.1  概述
    5.2.2  相關工作
    5.2.3  模型架構
    5.2.4  基於多層聚合和邏輯推理的關係抽取模型
    5.2.5  實驗驗證
  5.3  基於實體選擇注意力的篇章級別關係抽取
    5.3.1  概述
    5.3.2  模型架構
    5.3.3  實驗驗證
  5.4  本章小結
  5.5  本章參考文獻
第6章  實體關係抽取的應用
  6.1  概述
  6.2  知識圖譜構建
  6.3  知識表示及推理方法
  6.4  基於知識的推薦演算法
  6.5  基於知識的問答方法
  6.6  基於知識的檢索方法
  6.7  基於知識的檢測方法
  6.8  本章小結
  6.9  本章參考文獻
第7章  總結與展望
  7.1  本書總結
  7.2  未來研究展望
    7.2.1  實體識別技術展望
    7.2.2  關係抽取技術展望
    7.2.3  實體關係聯合抽取技術展望

  • 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