TensorFlow知识图谱实战

定　价：¥69.00

作　者：	王晓华著
出版社：	清华大学出版社
丛编项：	人工智能技术丛书
标　签：	暂缺

购买这本书可以去

ISBN：	9787302591788	出版时间：	2021-11-01	包装：	平装
开本：	16开	页数：	281	字数：

内容简介

　　《TensorFlow知识图谱实战/人工智能技术丛书》介绍TensorFlow构建知识图谱的核心技术，帮助读者掌握使用深度学习构建知识图谱的方法，以及使用神经网络的技术要点和基于深度学习的应用程序编写技巧。大数据时代的到来，为人工智能的飞速发展带来未有过的数据红利。在大数据的“喂养”下，大量知识不断涌现，如何有效地发掘这些知识呢？知识图谱横空出世。《TensorFlow知识图谱实战/人工智能技术丛书》是一本讲解如何使用TensorFlow2构建知识图谱的入门教程，引导读者掌握基于深度学习的知识图谱构建概念、理论和方法。《TensorFlow知识图谱实战/人工智能技术丛书》分为13章：第1章从搭建环境开始，包含TensorFlowCPU版本和GPU版本的安装，并通过一个知识图谱的例子引导读者开始学习；第2-4章介绍TensorFlowAPI的使用；第5章是DatasetAPI，学习使用原生API处理数据的方法；第6～8章是实战准备部分，介绍ResNet模型、词嵌入（word embedding）模型、情感分类；第9～10章在“注意力模型”基础上搭建了“编码器模型”；第11～13章搭建了知识图谱联合抽取模型，利用《TensorFlow知识图谱实战/人工智能技术丛书》所学知识实战知识图谱的搭建过程和性能提升方案。《TensorFlow知识图谱实战/人工智能技术丛书》内容详尽、示例丰富，适合作为知识图谱和深度学习读者的参考书，同时也适合开设人工智能专业的大中专院校师生阅读，还可作为高等院校计算机及相关专业教材使用。

作者简介

　　王晓华，计算机专业讲师，长期讲授面向对象程序设计、数据结构、Hadoop程序设计等研究生和本科生相关课程；主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立科研项目获省级成果认定，发表过多篇论文，拥有一项国家专利。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow 2.0卷积神经网络实战》《TensorFlow+Keras自然语言处理实战》等图书。

图书目录

第1章知识图谱的前世今生
1．1 何谓自然语言处理
1．1．1 自然语言处理是门技术
1．1．2 传统的自然语言处理
1．2 自然语言处理为什么难——以最简单的情感分析为例
1．2．1 自然语言处理的难点
1．2．2 自然语言处理小练习：酒店评论的情感分类
1．3 知识图谱到底是什么
1．3．1 知识图谱的应用
1．3．2 知识图谱中的三元组
1．4 搭建环境1：安装Python
1．4．1 Anaconda的下载与安装
1．4．2 PyCharm的下载与安装
1．4．3 Python代码小练习：计算softmax函数
1．5 搭建环境2：安装TensorFlow2．X的GPU版本
1．5．1 10/20/30系列显卡选择的GPU版本
1．5．2 TensorFlow2．4 GPU版本基础显卡推荐和前置软件安装
1．5．3 TensorFlow小练习：HelloTensorFlow
1．6 实战——知识图谱的展示
1．6．1 第一步：数据的准备
1．6．2 第二步：数据的处理
1．6．3 第三步：知识图谱的展示
1．6．4 第四步：更多的连线
1．6．5 一个需要解决的小问题
1．7 本章小结
第2章 TensorFlow和Keras快速入门
2．1 Keras让一切变简单
2．1．1 深度学习，始于模型
2．1．2 使用KerasAPI实现鸢尾花分类的例子（顺序模型）
2．1．3 使用Keras函数式编程实现鸢尾花分类的例子（重点）
2．1．4 使用保存的Keras模式对模型进行复用
2．1．5 使用TensorFlow标准化编译对iris模型进行拟合
2．1．6 多输入单一输出TensorFlow编译方法（选学）
2．1．7 多输入多输出TensorFlow编译方法（选学）
2．2 全连接层详解
2．2．1 全连接层的定义与实现
2．2．2 使用TensorFlow自带的API实现全连接层
2．2．3 打印显示已设计的model结构和参数
2．3 懒人的福音——Keras模型库
2．3．1 ResNet50模型和参数的载入
2．3．2 使用ResNet作为特征提取层建立模型
2．4 本章小结
……
第3章深度学习的理论基础
第4章卷积神经网络实战
第5章 Datasets数据集和TensorBoard可视化
第6章 ResNet实现神经网络的飞跃
第7章有趣的词嵌入——wordembedding
第8章情感分类
第9章编码器一自然语言处理的归宿
第10章 BERT——站在巨人肩膀上的预训练模型
第11章知识图谱实战1：多标签文本分类
第12章知识图谱实战2：命名实体识别
第13章知识图谱实战3：基于联合抽取的知识图谱模型