大數據環(huán)境下基于知識整合的語(yǔ)義計算技術(shù)與應用簡(jiǎn)介，目錄書(shū)摘
蔡圓媛，博士，現任北京工商大學(xué)計算機與信息工程學(xué)院講師，研究方向為自然語(yǔ)言處理、機器學(xué)習、大數據挖掘。主持2018年北京市自然科學(xué)基金青年項目1項、2017年教育部人文社會(huì )科學(xué)研究青年基金項目1項，2017年北京工商大學(xué)青年教師科研啟動(dòng)基金項目1項。近五年，已在多個(gè)SCI檢索期刊以及國際會(huì )議上公開(kāi)發(fā)表學(xué)術(shù)論文10 余篇，申請發(fā)明專(zhuān)利1 項。
第1章 引論
1.1 語(yǔ)義計算；
1.2 語(yǔ)義相似度；
1.3 相關(guān)理論的演變與現狀；
1.4 本書(shū)主要內容與創(chuàng )新。
第2章 語(yǔ)義相似度計算的相關(guān)理論
2.1 語(yǔ)義資源；
2.2 基于圖結構的概念語(yǔ)義相似度；
2.3 文本的表示學(xué)習；
2.4 基于向量空間的單詞語(yǔ)義相似度；
第3章 基于IC加權最短路徑的概念語(yǔ)義相似度計算
3.1 計算方法的分類(lèi)；
3.2 概念的語(yǔ)義繼承關(guān)系和結構屬性；
3.3 結合IC與路徑距離的混合式計算方法；
3.4 應用案例
第4章 基于多語(yǔ)義融合的單詞語(yǔ)義相似度
4.1 概念向量的構建；
4.2 向量的特征融合；
4.3 多語(yǔ)義屬性的融合模型；
4.4 應用案例
第5章 基于差分進(jìn)化算法的單詞語(yǔ)義相似度計算
5.1 差分進(jìn)化算法；
5.2 基于特征的有監督學(xué)習模型；
5.3 基于差分進(jìn)化算法的語(yǔ)義計算；
5.4 應用案例
第6章 知識整合的前世今生
6.1 知識圖譜與深度學(xué)習的研究與應用；
6.2 知識作為神經(jīng)網(wǎng)絡(luò )的輸入；
6.3 知識作為神經(jīng)網(wǎng)絡(luò )的約束；
6.4 本章小結。
京公網(wǎng)安備 11000002000088號
