大数据环境下基于知识整合的语义计算技术与应用PDF|Epub|txt|kindle电子书版本网盘下载

大数据环境下基于知识整合的语义计算技术与应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 引论1

1.1 语义计算1

1.1.1 语义网络3

1.1.2 本体4

1.1.3 语义网络与本体的联系5

1.2 语义相似度6

1.3 相关理论的演变与现状10

1.3.1 基于知识库的概念语义相似度计算10

1.3.2 基于语料库的单词语义相似度计算11

1.4 本书主要内容与创新14

1.4.1 基于IC模型的异构数据整合15

1.4.2 基于语义特征的异构数据整合16

1.4.3 基于度量方法的异构数据整合16

第2章 语义相似度计算的相关理论18

2.1 语义资源18

2.1.1 知识库19

2.1.2 语料库26

2.2 基于图结构的概念语义相似度27

2.2.1 概念语义相似度计算方法的分类28

2.2.2 不同概念语义相似度计算方法的特征比较31

2.3 文本的表示学习33

2.3.1 独热表示35

2.3.2 基于共现矩阵的向量空间模型35

2.3.3 基于神经网络训练的稠密向量空间模型38

2.4 基于向量空间的单词语义相似度44

2.4.1 欧氏向量空间44

2.4.2 概率向量空间47

2.5 本章小结48

第3章 基于IC加权最短路径的概念语义相似度计算49

3.1 计算方法的分类50

3.1.1 基于路径距离50

3.1.2 基于信息含量52

3.1.3 基于特征属性54

3.1.4 混合式56

3.2 概念的语义继承关系和结构属性56

3.2.1 语义继承关系57

3.2.2 知识库的图结构59

3.3 结合IC与路径距离的混合式计算方法61

3.3.1 计算元素的定义61

3.3.2 固有IC混合模型64

3.3.3 语义相似度计算策略67

3.4 应用案例69

3.4.1 基准数据集与评价标准69

3.4.2 IC计算模型的设计选择71

3.4.3 相似度计算策略中权重参数的有监督学习74

3.4.4 相似度计算策略中权重参数的无监督选择75

3.5 本章小结77

第4章 基于多语义融合的单词语义相似度计算79

4.1 概念向量的构建79

4.1.1 利用知识库进行语料语义标记80

4.1.2 利用聚类算法对相似词汇进行归类80

4.2 向量的特征融合83

4.2.1 相关背景知识83

4.2.2 向量组合模型84

4.3 多语义属性的融合模型86

4.3.1 多语义融合（MSF）模型87

4.3.2 基于语料的词向量训练91

4.3.3 概念实体的定义与关系抽取94

4.3.4 语义融合策略定义95

4.3.5 构造语义增强词向量的多种策略97

4.4 应用案例101

4.4.1 词对相似度评测103

4.4.2 语义Web服务匹配112

4.5 本章小结117

第5章 基于差分进化算法的单词语义相似度计算119

5.1 差分进化算法120

5.1.1 养分进化算法的原理120

5.1.2 差分进化算法的流程121

5.1.3 差分进化算法的组成123

5.1.4 六种变异策略124

5.1.5 常用的交叉策略125

5.1.6 相关研究及应用127

5.2 基于特征的有监督学习模型129

5.2.1 回归学习130

5.2.2 排序学习132

5.3 基于差分进化算法的语义计算134

5.3.1 方法组合策略135

5.3.2 问题定义136

5.3.3 向量相似度计算函数136

5.3.4 算法描述137

5.4 应用案例140

5.4.1 基于无监督差分进化算法的相似度计算141

5.4.2 基于有监督机器学习算法的相似度计算145

5.4.3 原始词向量和语义增强词向量的空间探索147

5.5 本章小结151

第6章 知识整合的前世今生152

6.1 知识图谱与深度学习的研究与应用153

6.1.1 知识图谱154

6.1.2 深度学习160

6.1.3 典型应用161

6.2 知识作为神经网络的输入167

6.2.1 知识图谱的表示学习与推理167

6.2.2 知识图谱向量化表示的应用170

6.3 知识作为神经网络的约束172

6.4 本章小结173

附录 术语174

参考文献180