自然语言理解与行业知识图谱：概念、方法与工程落地

封面

版权信息

作者简介

推荐序一

推荐序二

前言

符号表

第1章 自然语言之“理解”

1.1 基本脉络

1.1.1 文字传承

1.1.2 机器处理

1.1.3 理解困境

1.2 商业曙光

1.3 认知落脚点

1.3.1 文本分析之锚

1.3.2 走向智能之路

1.3.3 第一步在何方

1.4 思辨未来

1.4.1 语言理解与语义知识的辨析

1.4.2 行业知识图谱构建问题

小结

参考文献[1]

第2章 自然语言理解逻辑

2.1 符号-连接-融合

2.2 语言理解任务

2.2.1 语法类任务

2.2.2 语义类任务

2.2.3 语用类任务

2.3 语言理解体系

小结

参考文献

第3章 自然语言处理

3.1 自然语言文本特征

3.1.1 通用语言文本特征

3.1.2 行业语言文本特征

3.1.3 语言文本特征表示

3.1.4 语言特征选择

3.2 自然语言统计学习

3.2.1 统计学习基础

3.2.2 语言语料库

3.2.3 语料采样

3.2.4 语言模型

3.3 自然语言机器学习

3.3.1 文本分类方法

3.3.2 文本标注方法

3.3.3 文本聚类方法

3.3.4 文本生成方法

3.3.5 文本匹配方法

3.3.6 图计算方法

3.4 自然语言深度学习

3.4.1 神经网络学习

3.4.2 神经网络结构

3.4.3 深度表示学习

3.4.4 预训练语言模型

3.4.5 前沿与思考

小结

参考文献

第4章 知识图谱

4.1 语言知识与语言知识库

4.2 知识图谱演进

4.3 知识图谱工程

4.3.1 知识表示

4.3.2 知识加工

4.3.3 知识建模与计算

4.3.4 知识存储与查询

4.3.5 知识更新

4.4 知识图谱智能

4.4.1 语义匹配

4.4.2 搜索推荐

4.4.3 问答对话

4.4.4 推理决策

4.4.5 区块链协作

4.5 通用知识图谱

4.5.1 百科知识图谱

4.5.2 常识知识图谱

4.5.3 中文类知识图谱

4.6 行业知识图谱

4.6.1 金融知识图谱

4.6.2 医疗知识图谱

4.6.3 教育知识图谱

4.6.4 公安知识图谱

4.6.5 司法知识图谱

2.行业痛点

4.6.6 电商生活知识图谱

4.6.7 图书文献知识图谱

4.6.8 房地产知识图谱

小结

第5章 行业知识工程实践

5.1 行业知识库

5.1.1 行业语料库

5.1.2 行业术语知识库

5.1.3 行业文本规则库

5.1.4 行业特征字段库

5.1.5 行业本体库

5.1.6 行业附图库

5.1.7 行业产品库

5.1.8 行业标准库

5.1.9 应用知识库

5.2 行业模型算法库

5.2.1 文本匹配