面向中文网络百科知识图谱的高性能并行去噪关键技术研究
- ISBN:9787518984411
- 装帧:一般胶版纸
- 册数:暂无
- 重量:暂无
- 开本:24cm
- 页数:118页
- 出版时间:2021-10-01
- 条形码:9787518984411 ; 978-7-5189-8441-1
本书特色
为了解决中文百科系统中的知识去噪问题,首先,在数据场理论的基础上,本书中提出了一种基于多特征融合的新方法来计算“未登录标签”之间的语义距离,以使去噪效果得到进一步的提升。其次,基于Spark计算引擎及其广播机制对所提出的去噪算法进行了并行实现和优化改进,以使其具备良好的可扩展性。很后,在去噪效果和时间效率方面与近期新的分布式中文百科知识去噪算法做了全面的对比分析。
内容简介
本书基于人工智能+大数据技术, 研究提升中文网络百科知识图谱精准度的去噪和精炼新方法, 并同时提升去噪算法的执行效率。
目录
第1章 绪论
1.1 研究背景
1.2 研究意义与价值
1.3 国内外研究现状
1.4 本书的主要内容及创新点
第2章 相关概念和问题描述
2.1 知识三元组
2.2 三元组的开放分类标签集
2.3 数据场及其势函数
2.4 中文同义词词林
2.5 由标签集引起的实体知识不恰当归类
第3章 知识三元组的初始相似度计算
3.1 中文网络百科原始知识图谱的构建
3.2 基于编辑距离和同义词词林相融合的三元组初识相似度计算
3.3 基于数据场的标签语义距离相似度计算
3.4 根据三元组势值排名对知识图谱进行去噪和精炼
3.5 实验结果及分析
3.6 本章总结与展望
第4章 基于MapReduce的初始相似度计算并行优化
4.1 MapReduce并行计算框架简介
4.2 基于MapReduce的初始相似度并行计算总体框架
4.3 数据依赖分析与证明
4.4 基于MapReduce的初始相似度算法并行化实现
4.5 实验环境与配置
4.6 实验结果及分析
4.7 本章总结与展望
第5章 基于改进的标签集势函数的知识库语义量化
5.1 基于笛卡尔积的三元组语义相似度度量优化
5.2 基于多特征融合的标签语义距离计算优化
5.3 基于标签集势函数的知识图谱去噪
5.4 对知识图谱去噪与精炼的举例说明
5.5 实验结果及分析
5.6 本章总结与展望
第6章 基于Spark的中文百科知识图谱去噪算法并行优化
6.1 Spark并行计算框架简介
6.2 基于Spark的TripleES算法并行化改造
6.3 TriplePV三元组势值计算算法的并行化改造
6.4 实验环境与配置
6.5 实验结果及分析
6.6 本章总结与展望
第7章 全书总结
参考文献
-
写给小白的Python入门实战课
¥18.5¥50.0 -
Photoshop图像处理标准培训教程
¥23.8¥68.0 -
翻转世界-互联网思维与新技术如何改变未来
¥18.5¥49.9 -
Excel 实战应用大全
¥18.4¥49.8 -
Excel高效办公应用于技巧大全
¥21.4¥49.8 -
像数据达人一样思考和沟通:数据科学、统计学与机器学习极简入门
¥48.3¥68.0 -
造神:人工智能神话的起源和破除 (精装)
¥61.6¥88.0 -
全图解零基础word excel ppt 应用教程
¥16.8¥48.0 -
ABAQUS 6.14超级学习手册
¥78.5¥109.0 -
物联网关键技术及其数据处理研究
¥22.1¥59.8 -
Word/Excel/PPT高效商务办公从入门到精通
¥17.8¥48.0 -
多功能智能机器小车的开发与研制
¥20.7¥56.0 -
APP INVENTOR少儿趣味编程动手做
¥21.8¥59.0 -
Python数据爬取技术与实战手册
¥22.7¥59.8 -
HTML & CSS设计与构建网站
¥43.9¥79.8 -
机器学习导论
¥47.4¥79.0 -
flash经典课堂动画、游戏与多媒体制作案例教程
¥54.5¥99.0 -
四步创业法
¥27.4¥48.0 -
推荐系统:产品与算法解析
¥62.2¥79.8 -
你好!PYTHON
¥74.9¥99.9