《知识图谱与深度学习＝KNOWLEDGE GRAPH AND DEEP LEARNING》求取 ⇩

作者 刘知远 编者
出版 未查询到或未知
参考页数    ✅ 真实服务 非骗流量  ❤️
出版时间 2020（求助前请核对）  目录预览
ISBN号 无 — 违规投诉 / 求助条款
PDF编号 820165588（学习资料 勿作它用）
求助格式 扫描PDF（若分多册发行，每次仅能受理1册）
知识图谱与深度学习＝KNOWLEDGE GRAPH AND DEEP LEARNING 2020 PDF电子版封面 刘知远

第1章绪论1

1.1 知识图谱简介2

1.2 深度学习的优势和挑战4

1.3深度学习＋知识图谱＝∞8

1.3.1 知识的表示学习9

1.3.2 知识的自动获取10

1.3.3 知识的计算应用13

1.4 本书结构14

1.5 本章总结14

第一篇世界知识图谱19

第2章世界知识的表示学习19

2.1 章节引言19

2.2相关工作20

2.2.1 知识表示学习经典模型20

2.2.2 平移模型及其拓展模型22

2.3基于复杂关系建模的知识表示学习25

2.3.1 算法模型25

2.3.2 实验分析26

2.3.3 小结32

2.4基于关系路径建模的知识表示学习32

2.4.1 算法模型32

2.4.2 实验分析34

2.4.3 小结39

2.5基于属性关系建模的知识表示学习39

2.5.1 算法模型40

2.5.2 实验分析41

2.5.3 小结44

2.6融合实体描述信息的知识表示学习44

2.6.1 算法模型45

2.6.2 实验分析47

2.6.3 小结54

2.7融合层次类型信息的知识表示学习55

2.7.1 算法模型55

2.7.2 实验分析57

2.7.3 小结62

2.8融合实体图像信息的知识表示学习62

2.8.1 算法模型63

2.8.2 实验分析64

2.8.3 小结68

2.9 本章总结68

第3章世界知识的自动获取70

3.1 章节引言70

3.2相关工作71

3.2.1 有监督的关系抽取模型71

3.2.2 远程监督的关系抽取模型72

3.3基于选择性注意力机制的关系抽取73

3.3.1 算法模型74

3.3.2 实验分析78

3.3.3 小结82

3.4基于关系层次注意力机制的关系抽取83

3.4.1 算法模型83

3.4.2 实验分析86

3.4.3 小结89

3.5基于选择性注意力机制的多语言关系抽取89

3.5.1 算法模型90

3.5.2 实验分析93

3.5.3 小结98

3.6引入对抗训练的多语言关系抽取98

3.6.1 算法模型99

3.6.2 实验分析103

3.6.3 小结106

3.7基于知识图谱与文本互注意力机制的知识获取106

3.7.1 算法模型107

3.7.2 实验分析112

3.7.3 小结117

3.8 本章总结118

第4章世界知识的计算应用119

4.1 章节引言119

4.2细粒度实体分类120

4.2.1 算法模型120

4.2.2 实验分析122

4.2.3 小结129

4.3实体对齐129

4.3.1 算法模型129

4.3.2 实验分析132

4.3.3 小结135

4.4融入知识的信息检索136

4.4.1 算法模型136

4.4.2 实验分析138

4.4.3 小结143

4.5 本章总结143

第二篇语言知识图谱147

第5章语言知识的表示学习147

5.1 章节引言147

5.2相关工作148

5.2.1 词表示学习148

5.2.2 词义消歧149

5.3义原的表示学习149

5.3.1 算法模型149

5.3.2 实验分析152

5.3.3 小结155

5.4基于义原的词表示学习156

5.4.1 算法模型156

5.4.2 实验分析159

5.4.3 小结164

5.5 本章总结164

第6章语言知识的自动获取166

6.1 章节引言166

6.2相关工作167

6.2.1 知识图谱及其构建167

6.2.2 子词和字级NLP167

6.2.3 词表示学习及跨语言的词表示学习167

6.3基于协同过滤和矩阵分解的义原预测168

6.3.1 算法模型168

6.3.2 实验分析171

6.3.3 小结175

6.4融入中文字信息的义原预测175

6.4.1 算法模型176

6.4.2 实验分析179

6.4.3 小结183

6.5跨语言词汇的义原预测183

6.5.1 算法模型184

6.5.2 实验分析188

6.5.3 小结194

6.6 本章总结194

第7章语言知识的计算应用195

7.1 章节引言195

7.2义原驱动的词典扩展196

7.2.1 相关工作196

7.2.2 任务设定198

7.2.3 算法模型199

7.2.4 实验分析202

7.2.5 小结207

7.3义原驱动的神经语言模型207

7.3.1 相关工作208

7.3.2 任务设定209

7.3.3 算法模型210

7.3.4 实验分析213

7.3.5 小结219

7.4 本章总结219

第8章总结与展望220

8.1 本书总结220

8.2未来展望221

8.2.1 更全面的知识类型221

8.2.2 更复杂的知识结构222

8.2.3 更有效的知识获取223

8.2.4 更强大的知识指导223

8.2.5 更精深的知识推理224

8.3 结束语224

相关开源资源226

参考文献228

后记243

2020《知识图谱与深度学习＝KNOWLEDGE GRAPH AND DEEP LEARNING》由于是年代较久的资料都绝版了，几乎不可能购买到实物。如果大家为了学习确实需要，可向博主求助其电子版PDF文件。对合法合规的求助，我会当即受理并将下载地址发送给你。

提示：百度云已更名为百度网盘（百度盘），天翼云盘、微盘下载地址……暂未提供。➥ PDF文字可复制化或转WORD