顶部
  1. 首页
  2. 图书产品
  3. 面向大规模知识库的引文推荐技术
收藏

面向大规模知识库的引文推荐技术

样章
作者：
马乐荣
定价：
69.00元
ISBN：
978-7-04-052541-0
版面字数：
260.000千字
开本：
16开
全书页数：
暂无
装帧形式：
精装
重点项目：
暂无
出版时间：
1900-01-01
物料号：
52541-00
读者对象：
高等教育
一级分类：
计算机/教育技术类
二级分类：
信息管理与信息系统专业课程
暂无
  • 前辅文
  • 第1章 绪论
    • 1.1 大规模知识库引文推荐产生的背景
    • 1.2 大规模知识库
      • 1.2.1 知识的概念与分类
      • 1.2.2 知识表示
      • 1.2.3 知识库及知识库系统
      • 1.2.4 大规模知识库的定义
      • 1.2.5 大规模知识库案例
      • 1.2.6 大知识工程
    • 1.3 大规模知识库引文推荐技术的相关研究现状及趋势
      • 1.3.1 在线知识库累积引文推荐
      • 1.3.2 命名实体链接
      • 1.3.3 命名实体分类
      • 1.3.4 突发特征挖掘
      • 1.3.5 信息推荐
    • 1.4 引文表示方法
      • 1.4.1 特征表示法
      • 1.4.2 主题模型法
      • 1.4.3 分布式表示法
    • 1.5 大规模知识库引文推荐存在的问题与发展
  • 第2章 实体-- 引文相关性分类技术
    • 2.1 在线百科知识库累积引文推荐及处理流程
    • 2.2 实体-- 引文相关性分析
    • 2.3 累积引文推荐数据集
      • 2.3.1 目标实体集合
      • 2.3.2 文档集合
      • 2.3.3 标注情况
    • 2.4 工作数据集
      • 2.4.1 别名扩展
      • 2.4.2 查询扩展
    • 2.5 特征选择
      • 2.5.1 语义特征
      • 2.5.2 时序特征
    • 2.6 实体-- 引文相关性分类模型
      • 2.6.1 查询扩展
      • 2.6.2 分类方法
      • 2.6.3 排序学习
    • 2.7 累积引文相关性分析验证
      • 2.7.1 任务场景
      • 2.7.2 评价指标
      • 2.7.3 文档过滤性能
      • 2.7.4 相关性模型评价
    • 2.8 特征分析
    • 2.9 本章小结
  • 第3章 基于实体突发特征的文本表示模型
    • 3.1 引言
    • 3.2 突发检测方法的相关工作
    • 3.3 基于实体突发特征的文本表示
      • 3.3.1 实体突发特征检测算法
      • 3.3.2 实体-- 引文的特征表示
    • 3.4 实体-- 引文相关性判别分类模型
    • 3.5 基于实体突发特征表示模型的验证
      • 3.5.1 数据集
      • 3.5.2 任务场景
      • 3.5.3 系统评价指标
      • 3.5.4 测试方法
      • 3.5.5 结果及分析
      • 3.5.6 实体级粒度比较
    • 3.6 本章小结
  • 第4章 实体-- 引文类别依赖的混合模型
    • 4.1 引言
    • 4.2 混合模型的相关工作
    • 4.3 类别依赖的判别混合模型
      • 4.3.1 模型定义
      • 4.3.2 全局判别分类模型
      • 4.3.3 实体-- 引文类别依赖的判别混合模型
      • 4.3.4 模型参数估计
      • 4.3.5 实体-- 引文类别依赖判别混合模型的两个特例
      • 4.3.6 混合模型的特点
    • 4.4 实体、引文的特征选择
      • 4.4.1 实体-- 引文特征
      • 4.4.2 实体类别特征
      • 4.4.3 引文类别特征
    • 4.5 实体-- 引文类别依赖混合模型的效果
      • 4.5.1 数据集
      • 4.5.2 任务场景
      • 4.5.3 比对方法
      • 4.5.4 参数选择策略
      • 4.5.5 评价指标
      • 4.5.6 结果及分析
      • 4.5.7 判别混合模型的泛化能力
    • 4.6 本章小结
  • 第5章 融入偏好信息的分类模型
    • 5.1 引言
    • 5.2 扩展SVMs和选择抽样
      • 5.2.1 扩展的SVMs
      • 5.2.2 选择抽样
    • 5.3 偏好增强的支持向量机
      • 5.3.1 原问题与对偶问题
      • 5.3.2 对偶问题的最优条件
      • 5.3.3 扩展的SMO算法
    • 5.4 二层启发式抽样算法
    • 5.5 PSVM模型效果
      • 5.5.1 基于TREC-KBA-2012的测试
      • 5.5.2 强化测试
    • 5.6 本章小结
  • 第6章 实体-- 引文联合的深度网络分类模型
    • 6.1 引言
    • 6.2 文本分类的相关工作
    • 6.3 实体-- 引文相关性分类问题定义
    • 6.4 DeepJoED模型
      • 6.4.1 DeepJoED框架
      • 6.4.2 输入层
      • 6.4.3 查表层
      • 6.4.4 卷积层和最大化池层
      • 6.4.5 交互层
      • 6.4.6 输出层
    • 6.5 网络学习
      • 6.5.1 正则化
      • 6.5.2 超参数
    • 6.6 DeepJoED模型效果
      • 6.6.1 数据集
      • 6.6.2 任务场景
      • 6.6.3 度量指标
      • 6.6.4 实验设置
      • 6.6.5 预训练词向量
      • 6.6.6 实验方法
      • 6.6.7 结果及分析
      • 6.6.8 词向量维度的影响
    • 6.7 本章小结
  • 第7章 引文推荐冷启动问题
    • 7.1 引言
    • 7.2 冷启动引文推荐定义
    • 7.3 Vital文档特点
    • 7.4 相关性模型
      • 7.4.1 基于实体相关事件的语句聚类
      • 7.4.2 文档排序
    • 7.5 特征选择
      • 7.5.1 时间范围特征
      • 7.5.2 头衔/职业特征
      • 7.5.3 动作模式特征
    • 7.6 模型调整
    • 7.7 实体引文推荐冷启动模型效果
      • 7.7.1 数据集
      • 7.7.2 任务场景
      • 7.7.3 实验方法
      • 7.7.4 结果及分析
    • 7.8 本章小结
  • 附录 扩展SMO算法核心源代码
  • 参考文献
  • 名词索引

相关图书

数据统计与分析技术——SPSS软件实用教程

黄润龙

￥29.00 收藏

管理信息系统——网络化企业的组织与技术(第六版 影印版）

KENNETH C.LAUDON,JANE P.LAUDON

￥39.00 收藏