深度学习|新书推荐丨知识图谱与深度学习( 二 )
2.8 融合实体图像信息的知识表示学习
2.9 本章总结
第3章 世界知识的自动获取
3.1 章节引言
3.2 相关工作
3.3 基于选择性注意力机制的关系抽取
3.4 基于关系层次注意力机制的关系抽取
3.5 基于选择性注意力机制的多语言关系抽取
3.6 引入对抗训练的多语言关系抽取
3.7 基于知识图谱与文本互注意力机制的知识获取
3.8 本章总结
第4章 世界知识的计算应用
4.1 章节引言
4.2 细粒度实体分类
4.3 实体对齐
4.4 融入知识的信息检索
4.5 本章总结
第二篇语言知识图谱
第5章 语言知识的表示学习
5.1 章节引言
5.2 相关工作
5.3 义原的表示学习
5.4 基于义原的词表示学习
5.5 本章总结
第6章 语言知识的自动获取
6.1 章节引言
6.2 相关工作
6.3 基于协同过滤和矩阵分解的义原预测
6.4 融入中文字信息的义原预测
6.5 跨语言词汇的义原预测
第7章 语言知识的计算应用
7.1 章节引言
7.2 义原驱动的词典扩展
7.3 义原驱动的神经语言模型
7.4 本章总结
【深度学习|新书推荐丨知识图谱与深度学习】第8章 总结与展望
推荐阅读
- 青年|西安邮电大学与安康汉滨区深度合作，研发适合毛绒玩具全产业链实用技术
- 行业互联网,智慧医疗|商汤科技创“心”升级，探索“联邦学习”入选ECCV
- 技术编程|机器学习又一重要医学应用！培植人造器官
- 大众新闻|海外高知妈妈都头疼的中文学习，LingoAce有什么好办法？
- 中文|海外高知妈妈都头疼的中文学习，LingoAce有什么好办法？
- 科学|亚太卫星深度报告（上）：卫星这块蛋糕有多大？
- 公司|中登集团学习群：公司请你来做什么
- 青年|《逻7识智》脑训7：学习
- |麦哥说电商：深度揭秘信息流创意曝光机制
- 中年|机器学习必读TOP 100论文清单：高引用、覆盖面广丨GitHub 21.4k星