掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
妙相梵容
-
>
基立爾蒙文:蒙文
-
>
我的石頭記
-
>
心靈元氣社
-
>
女性生存戰爭
-
>
縣中的孩子 中國縣域教育生態
-
>
(精)人類的明天(八品)
知識森林:理論、方法與實踐 版權信息
- ISBN：9787030671813
- 條形碼：9787030671813 ; 978-7-03-067181-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
知識森林:理論、方法與實踐 本書特色
位置分散、內容片面、結構無序的碎片化知識限制了知識的可 用性，成為新一代知識工程中的瓶頸問題。為此，本書提出一種新的 知識圖譜模型——知識森林，能夠分面融合碎片化知識，又能體現知 識主題間各類認知關系。
知識森林:理論、方法與實踐 內容簡介
本書首先提出一種能夠聚合碎片化知識的教育知識圖譜--知識森林。知識森林一方面利用分面樹對來自不同知識源特定主題的碎片化知識進行分面聚合與多方面展示；另一方面，利用認知關系實現導航學習，緩解學習迷航問題。其次，論述了知識森林構建方法，即利用人工智能，特別是自然語言處理、圖像識別技術，解決分面樹構建、碎片化知識裝配、認知關系挖掘等問題。給出了知識森林AR可視化方法及其應用。
知識森林:理論、方法與實踐 目錄
目錄
前言
第1章 引言 1
1.1 知識碎片化問題 1
1.2 現有知識組織模型 2
1.2.1 主題圖 2
1.2.2 知識圖譜 3
1.3 本書的組織結構 5
第2章 知識森林模型 7
2.1 知識森林的形式化表示 7
2.2 知識森林的語義模型 9
2.3 知識森林的存儲模型 11
2.4 小結 13
第3章 主題分面樹生成 14
3.1 知識主題分面樹 14
3.1.1 知識主題與分面的概念 14
3.1.2 主題分面樹以及主題、分面間的聯系 15
3.2 主題分面聯合抽取 17
3.2.1 流水線式抽取的局限性 17
3.2.2 候選主題與分面抽取算法 19
3.2.3 主題分面聯合抽取算法 24
3.2.4 測試驗證 27
3.3 分面間上下位關系抽取 30
3.3.1 國內外相關研究 30
3.3.2 與傳統上下位的區別和聯系 32
3.3.3 基于Motif的分面間上下位關系抽取算法 33
3.3.4 測試驗證 36
3.4 小結 37
第4章 學習依賴關系抽取 38
4.1 國內外相關研究 38
4.2 學習依賴關系的特征分析 40
4.2.1 學習依賴關系的局部性 40
4.2.2 術語分布的非對稱性 41
4.3 拓撲與文本特征相結合的學習依賴關系挖掘 43
4.3.1 文本關聯挖掘 44
4.3.2 候選知識主題對生成 44
4.3.3 學習依賴關系判別 45
4.3.4 分布系數??的敏感性分析 46
4.4 端到端的學習依賴關系挖掘 47
4.4.1 文本中術語及關系抽取 49
4.4.2 學習依賴關系判別 51
4.4.3 測試驗證 52
4.5 小結 55
第5章 知識碎片向分面樹的映射 56
5.1 文本知識碎片的映射 56
5.1.1 問題與挑戰 56
5.1.2 國內外相關研究 57
5.1.3 文本分割與分面映射聯合學習模型 61
5.1.4 測試驗證 66
5.2 圖像知識碎片的映射 70
5.2.1 國內外相關研究 71
5.2.2 小樣本圖像知識碎片映射模型 72
5.2.3 測試驗證 77
5.2.4 未來示意圖映射的挑戰 79
5.3 小結 82
第6章 知識森林導學 83
6.1 學習路徑規劃 83
6.2 可對比知識主題生成 85
6.2.1 國內外相關研究 86
6.2.2 可對比知識主題生成框架 87
6.2.3 可對比知識主題匹配算法 89
6.3 基于嵌入學習的知識碎片檢索 92
6.3.1 現有的知識碎片檢索方法 92
6.3.2 基于嵌入學習的知識碎片檢索方法 94
6.3.3 測試驗證 102
6.3.4 未來知識森林碎片檢索挑戰 104
6.4 知識碎片檢索的why-not問題 105
6.4.1 why-not問題概述 105
6.4.2 基于嵌入表示的why-not問題解釋模型 106
6.4.3 測試驗證 111
6.5 小結 114
第7章 知識森林可視化 116
7.1 概述 116
7.2 2D可視化 116
7.2.1 國內外相關研究 116
7.2.2 主題分面樹繪制算法 122
7.2.3 認知關系布局算法 126
7.2.4 知識森林圓形布局交互方法 132
7.2.5 原型系統及用戶評測 139
7.3 AR交互場景可視化 142
7.3.1 整體框架 143
7.3.2 場景判別和課程判別方法 144
7.3.3 知識主題實時跟蹤方法 146
7.3.4 分面樹與沙盤的自動繪制算法 146
7.3.5 導航學習路徑推薦方法 150
7.3.6 ARKF系統使用場景展示 152
7.4 小結 156
參考文獻 157
前言
第1章 引言 1
1.1 知識碎片化問題 1
1.2 現有知識組織模型 2
1.2.1 主題圖 2
1.2.2 知識圖譜 3
1.3 本書的組織結構 5
第2章 知識森林模型 7
2.1 知識森林的形式化表示 7
2.2 知識森林的語義模型 9
2.3 知識森林的存儲模型 11
2.4 小結 13
第3章 主題分面樹生成 14
3.1 知識主題分面樹 14
3.1.1 知識主題與分面的概念 14
3.1.2 主題分面樹以及主題、分面間的聯系 15
3.2 主題分面聯合抽取 17
3.2.1 流水線式抽取的局限性 17
3.2.2 候選主題與分面抽取算法 19
3.2.3 主題分面聯合抽取算法 24
3.2.4 測試驗證 27
3.3 分面間上下位關系抽取 30
3.3.1 國內外相關研究 30
3.3.2 與傳統上下位的區別和聯系 32
3.3.3 基于Motif的分面間上下位關系抽取算法 33
3.3.4 測試驗證 36
3.4 小結 37
第4章 學習依賴關系抽取 38
4.1 國內外相關研究 38
4.2 學習依賴關系的特征分析 40
4.2.1 學習依賴關系的局部性 40
4.2.2 術語分布的非對稱性 41
4.3 拓撲與文本特征相結合的學習依賴關系挖掘 43
4.3.1 文本關聯挖掘 44
4.3.2 候選知識主題對生成 44
4.3.3 學習依賴關系判別 45
4.3.4 分布系數??的敏感性分析 46
4.4 端到端的學習依賴關系挖掘 47
4.4.1 文本中術語及關系抽取 49
4.4.2 學習依賴關系判別 51
4.4.3 測試驗證 52
4.5 小結 55
第5章 知識碎片向分面樹的映射 56
5.1 文本知識碎片的映射 56
5.1.1 問題與挑戰 56
5.1.2 國內外相關研究 57
5.1.3 文本分割與分面映射聯合學習模型 61
5.1.4 測試驗證 66
5.2 圖像知識碎片的映射 70
5.2.1 國內外相關研究 71
5.2.2 小樣本圖像知識碎片映射模型 72
5.2.3 測試驗證 77
5.2.4 未來示意圖映射的挑戰 79
5.3 小結 82
第6章 知識森林導學 83
6.1 學習路徑規劃 83
6.2 可對比知識主題生成 85
6.2.1 國內外相關研究 86
6.2.2 可對比知識主題生成框架 87
6.2.3 可對比知識主題匹配算法 89
6.3 基于嵌入學習的知識碎片檢索 92
6.3.1 現有的知識碎片檢索方法 92
6.3.2 基于嵌入學習的知識碎片檢索方法 94
6.3.3 測試驗證 102
6.3.4 未來知識森林碎片檢索挑戰 104
6.4 知識碎片檢索的why-not問題 105
6.4.1 why-not問題概述 105
6.4.2 基于嵌入表示的why-not問題解釋模型 106
6.4.3 測試驗證 111
6.5 小結 114
第7章 知識森林可視化 116
7.1 概述 116
7.2 2D可視化 116
7.2.1 國內外相關研究 116
7.2.2 主題分面樹繪制算法 122
7.2.3 認知關系布局算法 126
7.2.4 知識森林圓形布局交互方法 132
7.2.5 原型系統及用戶評測 139
7.3 AR交互場景可視化 142
7.3.1 整體框架 143
7.3.2 場景判別和課程判別方法 144
7.3.3 知識主題實時跟蹤方法 146
7.3.4 分面樹與沙盤的自動繪制算法 146
7.3.5 導航學習路徑推薦方法 150
7.3.6 ARKF系統使用場景展示 152
7.4 小結 156
參考文獻 157
展開全部
書友推薦
- >
伯納黛特,你要去哪(2021新版)
- >
莉莉和章魚
- >
煙與鏡
- >
史學評論
- >
我從未如此眷戀人間
- >
有舍有得是人生
- >
中國歷史的瞬間
- >
苦雨齋序跋文-周作人自編集
本類暢銷
