短文本數(shù)據(jù)理解

定　價：￥69.00

作　者：	王仲遠著
出版社：	機械工業(yè)出版社
叢編項：	大數(shù)據(jù)管理叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111558811	出版時間：	2017-05-01	包裝：	平裝
開本：	16開	頁數(shù)：	137	字數(shù)：

內容簡介

　　短文本理解是伴隨著搜索引擎、社交網(wǎng)絡，以及聊天機器人等應用場景而興起的一個研究課題。它是近年來的一個研究熱點，且對未來人工智能的發(fā)展有重要的影響。本書所介紹的短文本數(shù)據(jù)理解技術，涵蓋學術界及工業(yè)界前沿的理論及方法，可以廣泛應用于搜索引擎、廣告系統(tǒng)、智能助手等場景中，是大數(shù)據(jù)管理不可或缺的部分，具有較高的實際應用價值。

作者簡介

　　中國人民大學博士，微軟亞洲研究院研究員。負責微軟研究院大型Web知識庫系統(tǒng)Probase項目，以及企業(yè)知識庫系統(tǒng)Enterprise Dictionary項目。已在VLDB、ICDE、IJCAI、CIKM等國際學術會議上發(fā)表論文十余篇，并獲得ICDE 2015佳論文獎。出版技術專著2本，擁有美國專利5項。研究領域包括：人工智能、知識庫系統(tǒng)、自然語言處理、機器學習、數(shù)據(jù)挖掘等。

圖書目錄

從書前言
推薦序一
推薦序二
前言
第1章短文本理解及其應用
11短文本理解
12短文本理解研究現(xiàn)狀
121短文本理解模型概述
122短文本理解模型粒度分析
13短文本理解框架
第2章基于概率的屬性提取與推導
21引言
22屬性提取
221屬性提取的整體框架
222概率isA網(wǎng)絡
223基于概念和基于實體的屬性提取
23屬性得分推導
231典型度得分
232根據(jù)CB列表計算典型度
233根據(jù)IB列表計算典型度
234典型度聚合
235同義屬性集合
24相關研究
25小結
第3章單實體概念化模型
31引言
311基本層次類別
312應用
313BLC計算方法
32語義網(wǎng)絡
33基本層次類別化
331典型性
332將典型性用于BLC
333將平滑典型性用于BLC
334將PMI用于BLC
335將Rep(e，c)用于BLC
34小結
第4章基于概念化的短文本理解
41引言
42預備知識
421概念
422概念聚類
423屬性
424整體框架和符號表示
43挖掘詞匯關系
431概述
432解析
433P(z|t)推導
434P(c|t,z)推導
435語義網(wǎng)絡
44查詢理解
441方法概況
442算法
45小結
第5章基于概念化的短文本主題詞與修飾詞檢測
51引言
52整體框架
53非限定性修飾詞挖掘
54限定性修飾詞挖掘
541Probase:一個大規(guī)模的isA知識庫
542實體級別主題詞修飾詞
543概念級別主題詞修飾詞
55主題詞與修飾詞檢測
551解析
552針對兩個組件的主題詞修飾詞檢測
553針對兩個以上組件的主題詞修飾詞檢測
56相關工作
57小結
第6章基于概念化的詞相似度計算
61引言
62語義網(wǎng)絡和同義詞集合
63基本方法
631類型判別
632語境表示
633語境相似度
634討論
64改進方法
641概念聚類
642MaxMax相似度計算方法
643聚類刪減優(yōu)化
65相關工作
66小結
第7章基于概念化的海量競價關鍵字匹配
71引言
72語義網(wǎng)絡
73系統(tǒng)框架
74概念化
741實體檢測
742詞義推導
743消除歧義
75檢索
751基于點擊數(shù)據(jù)的候選競價關鍵字選擇
752基于概念的候選競價關鍵字選擇
753排名
76相關工作
77小結
第8章短文本理解研究展望
81知識語義網(wǎng)
82顯性知識和隱性知識的結合
參考文獻