顶部
收藏

智能问答


作者:
段楠 周明
定价:
39.90元
ISBN:
978-7-04-050244-2
版面字数:
220.000千字
开本:
16开
全书页数:
暂无
装帧形式:
平装
重点项目:
暂无
出版时间:
2018-09-10
读者对象:
高等教育
一级分类:
电气/电子信息/自动化类
二级分类:
电子信息/通信专业课
三级分类:
其他

智能问答是人工智能领域中一个极为重要的课题,并且在现代搜索引擎和人机对话系统中发挥着极为关键的作用。全书共分10章,力求对智能问答研究中涉及的典型任务和主流方法进行全面系统地介绍。首先,对智能问答的历史沿革、任务分类和常见问答数据集进行简单回顾和总结。然后,对智能问答研究中涉及的常见机器学习理论进行概要说明,保证了本书在内容上的系统性和完备性。接下来,重点讲述智能问答研究中五个最具代表性的任务,包括知识图谱问答、表格问答、文本问答、社区问答和问题生成。针对每类任务,本书选择典型的并具有持续发展性的方法进行介绍。最后,总结全文,并对未来发展进行展望。此外,本书末尾还通过FAQ的形式回答读者最可能提出的常见问题。

本书既可以作为人工智能专业和自然语言处理专业的教学参考书,也可以供从事智能问答相关产品的开发人员参考和借鉴。

  • 前辅文
  • 第1章 概述
    • 1.1 历史沿革
      • 1.1.1 受限领域问答
      • 1.1.2 开放领域问答
    • 1.2 任务分类
      • 1.2.1 知识图谱问答
      • 1.2.2 表格问答
      • 1.2.3 文本问答
      • 1.2.4 社区问答
    • 1.3 问答评测
      • 1.3.1 知识图谱问答
      • 1.3.2 表格问答
      • 1.3.3 文本问答
      • 1.3.4 社区问答
    • 1.4 本章总结
    • 参考文献
  • 第2章 机器学习基础
    • 2.1 统计学习
      • 2.1.1 朴素贝叶斯
      • 2.1.2 最大熵
      • 2.1.3 支持向量机
    • 2.2 深度学习
      • 2.2.1 神经网络
      • 2.2.2 词向量
      • 2.2.3 卷积神经网络
      • 2.2.4 递归神经网络
    • 2.3 本章总结
    • 参考文献
  • 第3章 实体链接
    • 3.1 候选实体生成
      • 3.1.1 词典匹配方法
      • 3.1.2 统计学习方法
    • 3.2 候选实体排序
      • 3.2.1 监督学习方法
      • 3.2.2 无监督学习方法
    • 3.3 无链接提及预测
    • 3.4 本章总结
    • 参考文献
  • 第4章 关系分类
    • 4.1 模板匹配方法
    • 4.2 监督学习方法
      • 4.2.1 基于特征的方法
      • 4.2.2 基于核函数的方法
      • 4.2.3 深度学习方法
    • 4.3 半监督学习方法
      • 4.3.1 基于自举的方法
      • 4.3.2 基于远监督的方法
    • 4.4 本章总结
    • 参考文献
  • 第5章 知识图谱问答
    • 5.1 知识图谱和语义表示
      • 5.1.1 知识图谱
      • 5.1.2 语义表示
    • 5.2 基于语义分析的方法
      • 5.2.1 基于CCG的语义分析
      • 5.2.2 基于SCFG的语义分析
      • 5.2.3 基于DCS的语义分析
      • 5.2.4 基于NMT的语义分析
    • 5.3 基于答案排序的方法
      • 5.3.1 基于特征的答案排序
      • 5.3.2 基于问题生成的答案排序
      • 5.3.3 基于子图匹配的答案排序
      • 5.3.4 基于向量表示的答案排序
      • 5.3.5 基于记忆网络的答案排序
    • 5.4 本章总结
    • 参考文献
  • 第6章 表格问答
    • 6.1 表格检索
    • 6.2 答案生成
      • 6.2.1 基于答案排序的方法
      • 6.2.2 基于语义分析的方法
      • 6.2.3 基于神经网络的方法
    • 6.3 本章总结
    • 参考文献
  • 第7章 文本问答
    • 7.1 文本问答整体框架
    • 7.2 答案句子选择
      • 7.2.1 基于特征的方法
      • 7.2.2 基于深度学习的方法
    • 7.3 机器阅读理解
      • 7.3.1 MatchLSTM+AnswerPointer
      • 7.3.2 DCN
      • 7.3.3 BiDAF
      • 7.3.4 DrQA
      • 7.3.5 ReasoNet
      • 7.3.6 AoA
      • 7.3.7 rNet
    • 7.4 本章总结
    • 参考文献
  • 第8章 社区问答
    • 8.1 问题匹配
      • 8.1.1 基于特征的方法
      • 8.1.2 基于深度学习的方法
    • 8.2 问题改写
      • 8.2.1 基于统计的方法
      • 8.2.2 基于深度学习的方法
    • 8.3 本章总结
    • 参考文献
  • 第9章 问题生成
    • 9.1 基于统计的方法
    • 9.2 基于深度学习的方法
    • 9.3 问题生成和智能问答的交互
    • 9.4 本章总结
    • 参考文献
  • 第10章 总结
  • 附录 常见问题与答案

智能问答是人工智能领域中一个极为重要的课题,并且在现代搜索引擎和人机对话系统中发挥着极为关键的作用。全书共分10章,力求对智能问答研究中涉及到的典型任务和主流方法进行全面系统地介绍。首先,对智能问答的历史沿革、任务分类和常见问答数据集进行简单回顾和总结。然后,对智能问答研究中涉及到的常见机器学习理论进行概要说明,尽量保证了本书在内容上的系统性和完备性。接下来,重点讲述智能问答研究中五个最具代表性的任务,包括知识图谱问答、表格问答、文本问答、社区问答和问题生成。针对每类任务,本书尽量选择典型的并具有持续发展性的方法进行介绍。最后,总结全文,并对未来发展进行展望。此外,本书末尾还通过FAQ的形式回答读者最可能提出的常见问题。

本书既可以作为人工智能专业和自然语言处理专业的教学参考书,也可以供从事智能问答相关产品的开发人员参考和借鉴。

相关图书