以下書況，主觀上皆可閱讀，若收到後不滿意，『都可退書退款』。
書況補充說明: B自然泛黃書斑、髒污、有凹痕、有變形。
【購買須知】
（1）照片皆為現貨實際拍攝，請參書況說明。
（2）『賣場標題、內容簡介』為出版社原本資料，若有疑問請留言，但人力有限，恕不提供大量詢問。
（3）『附件或贈品』，不論標題或內容簡介是否有標示，請都以『沒有附件，沒有贈品』為參考。
（4）訂單完成即『無法加購、修改、合併』，請確認品項、優惠後，再下訂結帳。如有疑問請留言告知。
（5）二手書皆為獨立商品，下訂即刪除該品項，故『取消』後無法重新訂購，須等系統安排『2個月後』重新上架。
（6）收到書籍後，若不滿意，或有缺漏，『都可退書退款』。
[商品主貨號] U102428846
[代售商品編號] 101116400449
[ISBN-13碼] 9789865501259
[ISBN] 9865501252
[作者] 王昊奮, 漆桂林, 陳華鈞
[出版社] 深智數位
[出版日期] 2020/04/20
[裝訂/規格] 平裝 / 528頁 / 17 x 23 x 2.4 cm / 普通級 / 單色印刷 / 初版
[目錄]
序
前言
01知識圖譜概述
1.1 什麼是知識圖譜
1.2 知識圖譜的發展歷史
1.3 知識圖譜的價值
1.4 國內外典型的知識圖譜專案
1.5 知識圖譜的技術流程
1.6 知識圖譜的相關技術
1.7 本章小結
02 知識圖譜表示與建模
2.1 什麼是知識表示
2.2 人工智慧早期的知識表示方法
2.3 網際網路時代的語義網知識表示架構
2.4 常見開放域知識圖譜的知識表示方法
2.5 知識圖譜的向量表示方法
2.6 開放原始碼工具實作：以Protégé 為基礎的本體知識建模
2.7 本章小結
03 知識儲存
3.1 知識圖譜資料庫基礎
3.2 常見知識圖譜儲存方法
3.3 知識儲存關鍵技術
3.4 開放原始碼工具實作
04 知識取出與知識採擷
4.1 知識取出工作及相關競賽
4.2 針對非結構化資料的知識取出
4.3 針對結構化資料的知識取出
4.4 針對半結構化資料的知識取出
4.5 知識採擷
4.6 開放原始碼工具實作：以DeepDive 為基礎的關係取出實作
05 知識圖譜融合
5.1 什麼是知識圖譜融合
5.2 知識圖譜中的異質問題
5.3 本體概念層的融合方法與技術
5.4 實例層的融合與比對
5.5 開放原始碼工具實作：實體關係發現架構LIMES
5.6 本章小結
06 知識圖譜推理
6.1 推理概述
6.2 以演繹為基礎的知識圖譜推理
6.3 以歸納為基礎的知識圖譜推理
6.4 知識圖譜推理新進展
6.5 開放原始碼工具實作：以Jena 和Drools 為基礎的知識推理實作
6.6 本章小結
07 語義搜索
7.1 語義搜索簡介
7.2 結構化的查詢語言
7.3 語義資料搜索
7.4 語義搜索的互動範式識圖譜語義搜索
7.5 開放原始碼工具實作
08 知識問答
8.1 知識問答概述
8.2 知識問答的分類系統
8.3 知識問答系統
8.4 知識問答的評價方法
8.5 KBQA 前端技術
8.6 開放原始碼工具實作
8.7 本章小結
09 知識圖譜應用案例
9.1 領域知識圖譜建置的技術流程
9.2 領域知識圖譜建置的基本方法
9.3 領域知識圖譜的應用案例
9.4 本章小結
)
[內容簡介] (出版商制式文字, 不論標題或內容簡介是否有標示, 請都以『沒有附件、沒有贈品』為參考。)
知識圖譜(Knowledge Graph, KG)是綜合各種理論及技術的大成，更是人工智慧極緻的應用，在這言必AI的時代，採用知識圖譜的各種應用不斷創新，也在各個領域發揚光大。
要了解知識圖譜，必須先熟悉知識工程、自然語言處理、機器學習、圖資料庫等多個領域，本書恰好完整說明知識圖譜相關的關鍵技術，如知識建模、關係取出、圖儲存、自動推理、圖譜表示學習、語義搜索、知識問答、圖挖掘分析等，讀者無需參考其它書籍，就可以從頭到尾學習完整的相關理論。
了解理論之後，書中也有完整的實戰，包括知識圖譜中最有名的DeepDive、LIMES技術，更有開放原始碼工具Jena和Drools的實作，最棒的就是搭配了前述的理論和工具之外，也提供一個使用Elasticsearch的簡單知識問答系統，是目前市面上少見有關知識圖譜的完整手冊。
全書主題如下：
► 第1章 介紹知識圖譜的基本概念、歷史淵源、典型的知識圖譜專案、技術要素、核心應用價值。
► 第2章 介紹傳統人工智慧領域的典型知識表示方法，RDF、OWL等網際網路時代的知識表示架構，以Protégé為例介紹知識建模實作過程。
► 第3章 介紹幾種常用的知識圖譜儲存索引及儲存技術、原生圖資料庫的技術原理。以Apache Jena和gStore為例，介紹知識圖譜儲存實作過程。
► 第4章 介紹從不同來源取得知識圖譜資料的常用方法，重點圍繞實體取出、關係取出和事件取出等，以DeepDive為例介紹關係取出實作過程。
► 第5章 對概念層的融合和實體層的融合作說明，包含本體對映、語義對映技術、實體對齊、實體連結等，以LIMES為例介紹實體融合實作過程。
► 第6章 從以演繹邏輯為基礎的知識圖譜推理和以歸納為基礎的知識圖譜推理，對常用的知識圖譜推理技術進行介紹，以Apache Jena和Drools為例介紹知識圖譜推理實作過程。
► 第7章 介紹語義索引，以gAnswer為例，介紹以知識圖譜實現精準搜索實作過程。
► 第8章 介紹知識圖譜問答技術，包括知識問答分類體系、評價方法等，以Elasticsearch、gAnswer為例，介紹搭建知識問答系統方法。
► 第9章 從7個應用案例對知識圖譜技術在不同領域的實現過程和應用方法作說明。
適合讀者群：從事技術和應用開發者、電腦和人工智慧相關的師生或研究人員。
本書特色
◎ 揭秘知識圖譜全生命週期技術
◎ 探索垂直領域知識圖譜構建方法與應用
◎ 促進人工智慧從感知時代跨越認知時代
作者簡介
王昊奮
上海交通大學電腦博士。中文知識圖譜zhishi.me創始人、OpenKG發起人之一、CCF理事。在知識圖譜、問答系統和聊天機器人等領域有豐富的研發經驗。
漆桂林
東南大學電腦學院教授、東南大學認知智慧研究所所長、南京柯基數據科技首席科學家、OpenKG發起人之一。研究成果在電力故障智慧檢測和知識推送、醫藥知識問答及網路安全態勢感知系統等領域得到實際應用。
陳華鈞
浙江大學電腦科學與技術學院教授。浙江大學阿里巴巴知識引擎聯合實驗室負責人、OpenKG發起人。曾獲國際語義網會議ISWC最佳論文獎。)
-----------------------------------------------------------
分享閱讀 書籍狀態請詳看圖示
購物車(
我的訂單
