开放网络知识计算 模型、方法与应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

开放网络知识计算 模型、方法与应用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

第一部分 网络大数据中的开放知识3

第1章 网络大数据3

1.1 网络大数据3

1.2 网络大数据研究的意义5

1.3 网络大数据带来的挑战6

1.3.1 网络大数据的复杂性6

1.3.2 网络大数据的不确定性7

1.3.3 网络大数据的涌现性8

1.4 网络空间感知与数据表示9

1.4.1 网络大数据的感知与获取9

1.4.2 网络大数据的质量评估与采样9

1.4.3 网络大数据的清洗与提炼9

1.4.4 网络大数据的融合表示10

1.5 网络大数据存储与管理体系10

1.5.1 分布式数据存储10

1.5.2 数据高效索引11

1.5.3 数据世系管理12

1.6 网络大数据挖掘和社会化计算13

1.6.1 基于内容信息的数据挖掘13

1.6.2 基于结构信息的社会化计算13

1.7 网络数据平台系统与应用14

1.7.1 网络大数据平台引擎建设15

1.7.2 网络大数据下的高端数据分析15

1.7.3 网络大数据的应用15

1.8 研究展望16

1.9 本章小结17

参考文献17

第2章 开放网络知识21

2.1 概述21

2.2 开放网络知识库构建23

2.2.1 知识库构建23

2.2.2 多源知识的融合26

2.2.3 知识库的更新27

2.3 基于开放网络知识库的信息检索27

2.3.1 意图感知28

2.3.2 查询扩展29

2.3.3 语义问答30

2.4 基于开放网络知识库的数据挖掘31

2.4.1 线索挖掘31

2.4.2 关系推理32

2.4.3 关系预测35

2.5 研究展望35

2.6 本章小结36

参考文献37

第二部分 模型理论43

第3章 概率论43

3.1 概述43

3.2 概率43

3.3 条件概率和全概率公式45

3.3.1 条件概率45

3.3.2 全概率公式48

3.4 贝叶斯定理49

3.5 本章小结50

参考文献50

第4章 图论51

4.1 概述51

4.2 有向图与无向图51

4.3 完全图、稀疏图与二部图52

4.3.1 完全图与稀疏图52

4.3.2 二部图53

4.4 子图与树54

4.5 路径与连通性56

4.5.1 路径56

4.5.2 连通性56

4.6 图的邻接矩阵57

4.7 图的遍历59

4.7.1 DFS遍历59

4.7.2 BFS遍历60

4.8 本章小结61

参考文献61

第5章 矩阵分析62

5.1 概述62

5.2 矩阵基本概念62

5.3 矩阵的基本运算64

5.4 矩阵的分解67

5.5 本章小结68

参考文献68

第6章 组合优化69

6.1 概述69

6.2 图的匹配70

6.2.1 匹配的相关概念70

6.2.2 最大匹配72

6.2.3 最大权匹配73

6.3 背包问题75

6.3.1 分支限界法76

6.3.2 贪婪近似算法78

6.3.3 模拟退火算法79

6.3.4 多项式时间近似方案81

6.3.5 其他背包问题82

6.4 本章小结84

参考文献84

第7章 开放知识网络85

7.1 开放知识网络的表示方法85

7.1.1 可演化的知识网络模型85

7.1.2 知识网络的分布式表示86

7.1.3 知识网络的增量表示94

7.2 开放知识网络表示的性质95

7.2.1 收敛性95

7.2.2 可增量性98

7.3 本章小结102

参考文献102

第三部分 计算方法107

第8章 开放网络知识库的构建方法107

8.1 概述107

8.2 概念抽取方法107

8.2.1 相关工作107

8.2.2 基于词向量的领域概念抽取方法111

8.2.3 实验与结果分析115

8.3 属性抽取方法118

8.3.1 开放文本属性抽取方法118

8.3.2 实验与结果分析121

8.4 关系抽取方法122

8.4.1 相关工作122

8.4.2 基于多句特征的领域概念间关系抽取方法125

8.4.3 基于概念相似度的潜在领域关系推断方法131

8.4.4 实验与结果分析133

8.5 概念细化方法140

8.5.1 方法概述141

8.5.2 划分属性的挖掘142

8.5.3 实验结果143

8.6 本章小结144

参考文献145

第9章 知识融合与更新方法147

9.1 概述147

9.2 实体融合方法148

9.2.1 相关工作148

9.2.2 基于依赖图联合推断的融合方法156

9.2.3 实验与分析163

9.3 关系融合方法170

9.3.1 相关工作170

9.3.2 基于实体-关系嵌入的融合方法174

9.3.3 实验与分析180

9.4 类别融合方法183

9.4.1 基于复合结构的融合方法185

9.4.2 基于集成排序的融合方法204

9.5 自适应更新方法212

9.6 本章小结215

参考文献216

第10章 知识推断方法223

10.1 概述223

10.2 静态关系推断224

10.2.1 相关工作224

10.2.2 融合结构与内容的关系推断228

10.3 非时序动态关系推断236

10.3.1 相关工作236

10.3.2 融合时间信息的关系推断240

10.4 本章小结248

参考文献249

第11章 知识预测方法251

11.1 关系预测251

11.1.1 相关工作251

11.1.2 基于开放知识网络的关系预测253

11.2 实体预测257

11.3 本章小结259

参考文献259

第四部分 系统与应用场景263

第12章 知识库与知识分析系统263

12.1 概述263

12.2 Freebase知识库265

12.2.1 Freebase的构建266

12.2.2 Freebase的融合与更新267

12.2.3 Freebase的知识计算269

12.2.4 Freebase的典型应用270

12.3 Yago知识库271

12.3.1 Yago的构建272

12.3.2 Yago的融合与更新274

12.3.3 Yago的知识计算275

12.3.4 Yago的典型应用276

12.4 Probase知识库280

12.4.1 Probase的构建281

12.4.2 Probase的融合与更新287

12.4.3 Probase的典型应用288

12.5 Knowledge Graph知识计算系统289

12.5.1 Knowledge Graph的构建289

12.5.2 Knowledge Graph的典型应用290

12.6 Knowledge Vault知识计算系统291

12.6.1 Knowledge Vault的构建291

12.6.2 Knowledge Vault的融合与更新292

12.6.3 Knowledge Vault的知识计算295

12.6.4 Knowledge Vault的典型应用296

12.7 Palantir296

12.7.1 Palantir的构建296

12.7.2 Palantir的知识计算299

12.7.3 Palantir的典型应用299

12.8 NELL300

12.8.1 NELL的构建301

12.8.2 NELL的应用305

12.9 开放网络知识库构建技术的评价306

12.9.1 相关工作307

12.9.2 开放网络知识库构建技术的多维指标体系308

12.9.3 开放网络知识库构建技术的多维量化评价方法311

12.9.4 实验313

12.10 本章小结315

参考文献316

第13章 开放网络知识计算引擎OpenKN320

13.1 OpenKN的整体架构320

13.2 OpenKN的自适应性322

13.3 OpenKN的演化计算323

13.3.1 可演化知识网络323

13.3.2 OpenKN的演化计算算子库325

13.4 本章小结325

参考文献326

第14章 应用场景分析328

14.1 概述328

14.2 人物谱系关系画像与分析328

14.2.1 背景与意义328

14.2.2 分析流程329

14.2.3 演示样例333

14.3 领域事件的演化态势分析336

14.3.1 背景与意义336

14.3.2 分析流程336

14.3.3 演示样例338

14.4 新闻语义推荐340

14.4.1 背景与意义340

14.4.2 分析流程340

14.4.3 演示样例342

14.5 本章小结344

参考文献344