人工智能：知識圖譜前沿技術

第1章緒論
1.1什么是知識
1.2知識類型與知識金字塔
1.3什么是知識圖譜
1.4知識圖譜的發(fā)展歷史
1.5知識圖譜研究的主要內(nèi)容
1.5.1知識表示
1.5.2構(gòu)建知識庫
1.5.3知識推理
1.5.4知識應用
1.6本書內(nèi)容安排
第2章傳統(tǒng)知識表示與建模
2.1知識表示的基本概念
2.2基于邏輯的知識表示
2.2.1邏輯的基本概念
2.2.2命題邏輯
2.2.3謂詞邏輯
2.2.4歸結(jié)原理
2.3產(chǎn)生式表示方法
2.3.1事實與規(guī)則的表示
2.3.2產(chǎn)生式系統(tǒng)的結(jié)構(gòu)
2.3.3產(chǎn)生式系統(tǒng)的推理
2.4語義網(wǎng)絡表示方法
2.4.1語義網(wǎng)絡的歷史
2.4.2語義網(wǎng)絡的結(jié)構(gòu)
2.4.3語義網(wǎng)絡的實例
2.4.4基本的語義關系
2.4.5語義網(wǎng)絡的推理
2.5框架表示方法
2.5.1框架理論的概念
2.5.2框架的結(jié)構(gòu)和框架的推理
2.6其他表示方法
2.6.1腳本知識表示方法
2.6.2過程性知識表示方法
2.7本章小結(jié)
第3章現(xiàn)代文本表示學習基礎
3.1文本表示學習的基礎模型
3.1.1單詞的分布表示
3.1.2句子的分布表示
3.1.3文檔的分布表示
3.2文本表示學習的進階模型
3.2.1ELMo
3.2.2GPT
3.2.3BERT
3.3文本表示與知識表示
3.4本章小結(jié)
第4章現(xiàn)代知識表示與學習
4.1基于幾何變換的知識圖譜表示學習
4.1.1基于平移原則的知識圖譜表示學習
4.1.2基于混合幾何變換的知識圖譜表示學習
4.1.3基于流形原則的知識圖譜表示學習
4.2基于神經(jīng)網(wǎng)絡的知識圖譜表示模型
4.2.1距離模型
4.2.2簡單網(wǎng)絡模型
4.2.3復雜網(wǎng)絡模型
4.3結(jié)合文本的知識圖譜表示方法SSP
4.3.1研究背景
4.3.2模型描述
4.4本章小結(jié)
第5章知識圖譜的構(gòu)建
5.1命名實體識別
5.1.1什么是命名實體
5.1.2任務概述
5.1.3傳統(tǒng)的命名實體識別方法
5.1.4基于深度學習的命名實體識別方法
5.1.5基于深度學習的命名實體識別新模型及新思路
5.2命名實體鏈接
5.2.1任務概述
5.2.2傳統(tǒng)的命名實體鏈接方法
5.2.3基于深度學習的命名實體鏈接方法
5.3命名實體關系抽取
5.3.1任務概述
5.3.2傳統(tǒng)的命名實體關系抽取方法
5.3.3基于深度學習的命名實體關系抽取方法
5.4本章小結(jié)
第6章知識推理
6.1什么是知識推理
6.2基于符號的知識推理
6.3基于隨機游走的路徑排序算法
6.4基于增強學習的路徑推理
6.4.1DeepPath
6.4.2MINERVA
6.5基于深度神經(jīng)網(wǎng)絡的路徑推理
6.5.1Path-RNN
6.5.2擴展的Path-RNN
6.6本章小結(jié)
第7章知識圖譜的應用
7.1知識庫問答
7.1.1基于信息抽取的知識庫問答
7.1.2基于語義解析的知識庫問答
7.1.3基于嵌入表示的知識庫問答
7.2知識圖譜在文本生成中的應用
7.2.1常識知識驅(qū)動的對話生成模型
7.2.2常識知識驅(qū)動的故事結(jié)局生成模型
7.3知識圖譜在情感挖掘中的應用
7.3.1語言學知識驅(qū)動的情感分類
7.3.2知識圖譜驅(qū)動的情感分析
7.4本章小結(jié)
第8章知識圖譜資源
8.1通用的知識圖譜資源
8.1.1Freebase
8.1.2DBpedia
8.1.3OpenKG
8.1.4NELL
8.2領域相關的知識圖譜資源
8.2.1電子商務知識圖譜
8.2.2中醫(yī)藥知識圖譜
8.3本章小結(jié)
參考文獻