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

自然語言處理實踐(語義理解與信息抽取)

  • 作者：趙紅燕|責編:曾越
  • 出版社：化學工業
  • ISBN：9787122496607
  • 出版日期：2026/07/01
  • 裝幀：平裝
  • 頁數：148
人民幣：RMB 89 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書聚焦深度學習驅動的語義理解與信息抽取技術，以框架語義分析為支撐，圍繞實體關係抽取、事件抽取等核心任務展開介紹和討論：在實體關係抽取領域，提出多層次框架語義要素融合模型與融合多源信息的關係抽取模型，豐富語義表徵的維度與精度；針對遠程監督數據雜訊問題，構建框架語義上下文感知模型，結合實例選擇與層次化注意力機制降低雜訊干擾，並通過多層級注意力機制與動態閾值的MADT模型，進一步優化抽取性能；針對數據不平衡問題，將框架語義與多任務學習相結合，有效減弱小樣本、負樣本對模型的影響；在事件抽取研究中，設計基於多尺度閱讀理解和豪斯多夫距離演算法的文檔級事件抽取模型，提升長文本中事件類型與論元識別的精準度。此外，通過構建基於知識圖譜的電影問答系統完成理論到應用的閉環驗證。
    本書兼具理論深度與實踐價值，內容系統全面，技術方案創新性強，適合自然語言處理、信息抽取領域的科研學者、技術研發人員，以及高校相關專業的師生閱讀參考。
作者介紹
趙紅燕|責編:曾越
目錄
第1章  緒論
  1.1  信息抽取技術
  1.2  實體關係抽取
    1.2.1  基於模式的關係抽取
    1.2.2  基於傳統機器學習的關係抽取
    1.2.3  基於深度學習的關係抽取
  1.3  事件抽取
    1.3.1  句子級事件抽取
    1.3.2  文檔級事件抽取
  1.4  框架語義分析
    1.4.1  框架語義分析
    1.4.2  框架語義應用研究現狀
  1.5  本書主要內容介紹
第2章  框架識別及框架語義要素抽取
  2.1  框架語義分析
  2.2  基於DNN的漢語框架識別模型
    2.2.1  演算法模型
    2.2.2  評測與分析
  2.3  基於兩級注意力機制的卷積神經網路框架識別模型
    2.3.1  演算法模型
    2.3.2  實驗與分析
  2.4  框架語義要素抽取
    2.4.1  單框架語義要素抽取演算法
    2.4.2  擴展框架語義要素抽取演算法
第3章  基於框架語義和序列表示的關係抽取
  3.1  關係抽取
  3.2  多層次框架語義要素融合模型
    3.2.1  基於注意力的單框架語義要素融合模型
    3.2.2  基於注意力的擴展框架語義要素融合模型
  3.3  多視角句子表示模型
    3.3.1  基於序列的句子表示模型
    3.3.2  基於框架語義的句子表示模型
    3.3.3  融合框架語義和序列特徵的句子表示模型
  3.4  融合多源信息的關係抽取模型
    3.4.1  演算法模型
    3.4.2  實驗與分析
第4章  基於框架語義上下文感知的遠程監督關係抽取
  4.1  遠程監督關係抽取
  4.2  遠程監督實例選擇
    4.2.1  線索詞抽取
    4.2.2  實例選擇
  4.3  融合多粒度框架語義要素的關係抽取模型
    4.3.1  句子上下文編碼器
    4.3.2  語義場景編碼器
    4.3.3  包上下文編碼器
    4.3.4  關係分類器和訓練
  4.4  性能評測
    4.4.1  數據集和評價指標
    4.4.2  實驗設置
    4.4.3  基線模型

    4.4.4  評測結果
第5章  基於框架語義及多任務學習的非平衡數據關係抽取
  5.1  數據不平衡問題
  5.2  上下文表示學習
    5.2.1  實體的上下文表示
    5.2.2  語義場景上下文表示
  5.3  基於多任務學習的關係抽取模型
    5.3.1  演算法模型
    5.3.2  結果預測
  5.4  評測與分析
    5.4.1  數據集與評價指標
    5.4.2  評測設置
    5.4.3  評測結果
第6章  基於多層級注意力機制和動態閾值的遠程監督關係抽取
  6.1  雜訊問題
  6.2  模型描述
    6.2.1  雜訊詞降噪模塊
    6.2.2  雜訊句降噪模塊
    6.2.3  雜訊包降噪模塊
    6.2.4  關係分類器及網路優化
  6.3  評測及分析
    6.3.1  實驗數據集
    6.3.2  實驗評估指標
    6.3.3  訓練與測試
    6.3.4  參數設置
    6.3.5  基線模型
    6.3.6  對比實驗結果與分析
    6.3.7  消融實驗結果與分析
    6.3.8  案例分析
第7章  基於多尺度閱讀理解和豪斯多夫距離演算法的文檔級事件抽取
  7.1  文檔級事件抽取
  7.2  模型描述
    7.2.1  多尺度閱讀理解模塊
    7.2.2  多尺度解碼器模塊
    7.2.3  事件識別模塊
    7.2.4  候選論元識別模塊
    7.2.5  匹配損失模塊
    7.2.6  優化演算法
  7.3  評測
    7.3.1  數據集
    7.3.2  實驗設置
    7.3.3  模型評估
    7.3.4  基線模型
    7.3.5  對比實驗
    7.3.6  消融實驗
第8章  基於知識圖譜的電影問答系統
  8.1  電影知識問答系統分析與設計
    8.1.1  數據來源及知識圖譜構建
    8.1.2  系統功能需求分析
    8.1.3  系統架構設計

  8.2  系統實現
    8.2.1  系統開發環境
    8.2.2  系統功能模塊開發
參考文獻

  • 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