书大数据智能

基本信息

• 商品名称：大数据智能(数据驱动的自然语言处理技术)/大数据丛书
• 作者：编者:刘知远//崔安颀
• 定价：89
• 出版社：电子工业
• 书号：9787121375385

其他参考信息（以实物为准）

• 出版时间：2020-01-01
• 印刷时间：2020-01-01
• 版次：1
• 印次：1
• 开本：16开
• 包装：平装
• 页数：346
• 字数：442千字

编辑推荐语

覆盖NLP诸多核心技术与应用场景 每章都为初学者入门提供了详细参考资料 针对初学者，给出追踪前沿学术资料的方法与建议

内容提要

本书是介绍大数据智能、人工智能技术的科普书籍，旨在让 多人了解和学习互联网时代的人工智能技术——自然语言处理技术，让大数据智能技术 好地为我们服务。全书包括大数据智能基础、技术和应用三部分，共14章。基础部分有3章：第1章以深度学习为例介绍大数据智能的计算框架；第2章以知识图谱为例介绍大数据智能的知识库；第3章介绍大数据的计算处理系统。技术部分有6章，分别介绍机器翻译、主题模型、情感分析与意见挖掘、智能问答与对话系统、个性化推荐、机器写作。应用部分有5章，分别介绍社交商业数据挖掘、智慧医疗、智慧司法、智慧金融、计算社会科学。本书后记部分为读者追踪大数据智能的 学术资料提供了建议。

作者简介

刘知远，2011年清华大学博士毕业，现任清华大学计算机系助理研究员。研究兴趣为自然语言处理与社会计算。曾获清华大学 博士论文、中国人工智能学会 博士论文、清华大学 博士后等称号。

目录

目录
1 深度计算——机器大脑的结构 1
1.1 惊人的深度学习 ................................................................................... 1
1.1.1 可以做酸奶的面包机：通用机器的概念 ................................ 2
1.1.2 连接主义 .................................................................................... 4
1.1.3 用机器设计机器 ........................................................................ 5
1.1.4 深度网络 .................................................................................... 6
1.1.5 深度学习的用武之地 ................................................................ 6
1.2 从人脑神经元到人工神经元 ............................................................... 8
1.2.1 生物神经元中的计算灵感 ........................................................ 8
1.2.2 激活函数 .................................................................................... 9
1.3 参数学习 ............................................................................................. 10
1.3.1 模型的评价 .............................................................................. 11
1.3.2 有监督学习 .............................................................................. 11
1.3.3 梯度下降法 .............................................................................. 12
1.4 多层前馈网络 ..................................................................................... 14
1.4.1 多层前馈网络 .......................................................................... 14
1.4.2 后向传播算法计算梯度 .......................................................... 16
1.5 逐层预训练 ......................................................................................... 17
1.6 深度学习是 神器吗 ..................................................................... 20
1.6.1 深度学习带来了什么 .............................................................. 20
1.6.2 深度学习尚未做到什么 .......................................................... 21
1.7 内容回顾与 阅读 ......................................................................... 22
1.8 参考文献 ............................................................................................. 23
2 知识图谱——机器大脑中的知识库 25
2.1 什么是知识图谱 ................................................................................. 25
2.2 知识图谱的构建 ................................................................................. 28
2.2.1 大规模知识库 .......................................................................... 28
2.2.2 互联网链接数据 ...................................................................... 29
2.2.3 互联网网页文本数据 .............................................................. 30
2.2.4 多数据源的知识融合 .............................................................. 31
2.3 知识图谱的典型应用 ......................................................................... 32
2.3.1 查询理解 .................................................................................. 32
2.3.2 自动问答 .................................................................................. 34
2.3.3 文档表示 .................................................................................. 35
2.4 知识图谱的主要技术 ......................................................................... 36
2.4.1 实体链指 .................................................................................. 36
2.4.2 关系抽取 .................................................................................. 37
2.4.3 知识推理 .................................................................................. 39
2.4.4 知识表示 .................................................................................. 40
2.5 前景与挑战 ......................................................................................... 42
2.6 内容回顾与 阅读 ......................................................................... 45
2.7 参考文献 ............................................................................................. 45
3 大数据系统——大数据背后的支撑技术 47
3.1 大数据有多大 ..................................................................................... 47
3.2 高性能计算技术 ................................................................................. 49
3.2.1 计算机的组成 .................................................................. 49
3.2.2 并行计算的系统支持 ...........................................