關(guān)于我們
書(shū)單推薦
新書(shū)推薦
|
大數(shù)據(jù)智能:數(shù)據(jù)驅(qū)動(dòng)的自然語(yǔ)言處理技術(shù) 讀者對(duì)象:本書(shū)適合作為高等院校計(jì)算機(jī)相關(guān)專業(yè)研究生的學(xué)習(xí)參考資料,也適合計(jì)算機(jī)技術(shù)愛(ài)好者,特別是希望對(duì)大數(shù)據(jù)技術(shù)有所了解,以及想要將大數(shù)據(jù)技術(shù)應(yīng)用于本職工作的所有讀者閱讀。
本書(shū)是介紹大數(shù)據(jù)智能、人工智能技術(shù)的科普書(shū)籍,旨在讓更多人了解和學(xué)習(xí)互聯(lián)網(wǎng)時(shí)代的人工智能技術(shù)——自然語(yǔ)言處理技術(shù),讓大數(shù)據(jù)智能技術(shù)更好地為我們服務(wù)。全書(shū)包括大數(shù)據(jù)智能基礎(chǔ)、技術(shù)和應(yīng)用三部分,共14章;A(chǔ)部分有3章:第1章以深度學(xué)習(xí)為例介紹大數(shù)據(jù)智能的計(jì)算框架;第2章以知識(shí)圖譜為例介紹大數(shù)據(jù)智能的知識(shí)庫(kù);第3章介紹大數(shù)據(jù)的計(jì)算處理系統(tǒng)。技術(shù)部分有6章,分別介紹機(jī)器翻譯、主題模型、情感分析與意見(jiàn)挖掘、智能問(wèn)答與對(duì)話系統(tǒng)、個(gè)性化推薦、機(jī)器寫(xiě)作。應(yīng)用部分有5章,分別介紹社交商業(yè)數(shù)據(jù)挖掘、智慧醫(yī)療、智慧司法、智慧金融、計(jì)算社會(huì)科學(xué)。本書(shū)后記部分為讀者追蹤大數(shù)據(jù)智能的最新學(xué)術(shù)資料提供了建議。
劉知遠(yuǎn)清華大學(xué)計(jì)算機(jī)系副教授、博士生導(dǎo)師。主要研究方向?yàn)樽匀徽Z(yǔ)言處理和知識(shí)圖譜。2011年獲得清華大學(xué)博士學(xué)位,在人工智能領(lǐng)域著名國(guó)際期刊和會(huì)議上發(fā)表相關(guān)論文60余篇,Google Scholar統(tǒng)計(jì)引用超過(guò)4,000次。曾獲清華大學(xué)優(yōu)秀博士論文、中國(guó)人工智能學(xué)會(huì)優(yōu)秀博士論文、清華大學(xué)優(yōu)秀博士后、中文信息學(xué)會(huì)青年創(chuàng)新獎(jiǎng),入選《麻省理工科技評(píng)論》“35歲以下科技創(chuàng)新35人”中國(guó)區(qū)榜單、中國(guó)科協(xié)青年人才托舉工程、CCF青年學(xué)者提升計(jì)劃。擔(dān)任中文信息學(xué)會(huì)青年工作委員會(huì)副主任,中文信息學(xué)會(huì)社會(huì)媒體處理專委會(huì)秘書(shū)長(zhǎng),ACL、EMNLP、COLING等著名國(guó)際會(huì)議領(lǐng)域主席。崔安頎薄言RSVP.ai聯(lián)合創(chuàng)始人、AI負(fù)責(zé)人,從事智能對(duì)話的技術(shù)研發(fā)和商業(yè)化應(yīng)用。2013年獲得清華大學(xué)博士學(xué)位。曾訪問(wèn)美國(guó)卡耐基梅隆大學(xué)、新加坡國(guó)立大學(xué),在加拿大滑鐵盧大學(xué)擔(dān)任博士后研究員。研究方向包括社交媒體情感分析、智能問(wèn)答、數(shù)據(jù)挖掘等,發(fā)表相關(guān)著作20余篇,積累了豐富的科研和商業(yè)應(yīng)用經(jīng)驗(yàn)。參與研發(fā)薄言“輕語(yǔ)”企業(yè)助手平臺(tái)、“薄言豆豆”智能機(jī)器人以及語(yǔ)義解析、機(jī)器問(wèn)答、對(duì)話閑聊等算法引擎,將自然語(yǔ)言處理技術(shù)應(yīng)用在智能家居、企業(yè)助手、智能客服等場(chǎng)景中。張開(kāi)旭清華大學(xué)計(jì)算機(jī)系博士,研究方向?yàn)樽匀徽Z(yǔ)言處理,THULAC工具草創(chuàng)者,SIGHAN 2012中文分詞評(píng)測(cè)第1名,百度搜索中文CRF模塊代碼重構(gòu)者,微信搜索DSSM模塊開(kāi)發(fā)者,騰訊圍棋AI“絕藝”研發(fā)者。現(xiàn)供職于騰訊,嘗試用BERT“搞事情”。韓文弢清華大學(xué)計(jì)算機(jī)系助理研究員。主要研究方向?yàn)榇髷?shù)據(jù)系統(tǒng)和類腦計(jì)算系統(tǒng)。2015年獲得清華大學(xué)博士學(xué)位,在計(jì)算機(jī)系統(tǒng)相關(guān)國(guó)際期刊和會(huì)議上發(fā)表相關(guān)論文10余篇。曾獲得西貝爾學(xué)者、NOI 2003金牌等榮譽(yù)和獎(jiǎng)項(xiàng)。擔(dān)任CCF NOI科學(xué)委員會(huì)委員。趙 鑫中國(guó)人民大學(xué)信息學(xué)院副教授、博士生導(dǎo)師。主要研究方向?yàn)閿?shù)據(jù)挖掘和自然語(yǔ)言處理。2014年獲得北京大學(xué)博士學(xué)位,在數(shù)據(jù)挖掘及其相關(guān)領(lǐng)域的著名國(guó)際期刊和會(huì)議上發(fā)表相關(guān)論文70余篇,曾獲得CIKM 2017最佳短文提名及AIRS 2017最佳論文獎(jiǎng),Google Scholar統(tǒng)計(jì)引用2,800余次。曾獲微軟亞洲學(xué)者、北京大學(xué)優(yōu)秀博士論文獎(jiǎng)、中國(guó)人民大學(xué)杰出學(xué)者等榮譽(yù)稱號(hào),入選第二屆CCF青年人才發(fā)展計(jì)劃。長(zhǎng)期擔(dān)任國(guó)內(nèi)外著名期刊和會(huì)議的評(píng)審。蘇勁松廈門(mén)大學(xué)信息學(xué)院副教授、博士生導(dǎo)師。主要研究方向?yàn)樽匀徽Z(yǔ)言處理和機(jī)器翻譯。2011年獲得中國(guó)科學(xué)院計(jì)算技術(shù)研究所博士學(xué)位,在人工智能、自然語(yǔ)言處理領(lǐng)域的著名國(guó)際期刊和會(huì)議上發(fā)表相關(guān)論文60余篇。擔(dān)任CCF中文信息處理青年工作委員會(huì)常務(wù)委員,中文信息學(xué)會(huì)青年工作委員會(huì)委員,福建省人工智能學(xué)會(huì)理事,自然語(yǔ)言處理國(guó)際會(huì)議 NLPCC2018、EMNLP2019領(lǐng)域主席。張永鋒羅格斯大學(xué)助理教授,主要研究方向?yàn)樾畔z索、推薦系統(tǒng)、機(jī)器學(xué)習(xí)及互聯(lián)網(wǎng)經(jīng)濟(jì)。嚴(yán) 睿北京大學(xué)助理教授、研究員、博士生導(dǎo)師,曾任百度公司資深研究員,華中師范大學(xué)與中央財(cái)經(jīng)大學(xué)客座教授與校外導(dǎo)師。主持研發(fā)了多個(gè)開(kāi)放領(lǐng)域?qū)υ捪到y(tǒng)和服務(wù)類對(duì)話系統(tǒng),發(fā)表高水平研究論文100余篇,擔(dān)任多個(gè)學(xué)術(shù)會(huì)議(KDD、IJCAI、SIGIR、ACL、WWW、AAAI、CIKM、EMNLP等)的(資深)程序委員會(huì)委員及審稿人。湯步洲哈爾濱工業(yè)大學(xué)(深圳)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院副教授、博士生導(dǎo)師。主要研究方向?yàn)樽匀徽Z(yǔ)言處理、知識(shí)圖譜、醫(yī)學(xué)信息處理、醫(yī)療支持決策。2011年獲得哈爾濱工業(yè)大學(xué)博士學(xué)位,畢業(yè)后先后赴美國(guó)范德堡大學(xué)和德州大學(xué)休斯敦醫(yī)學(xué)科學(xué)中心以博士后研究員身份從事研究工作。在人工智能、醫(yī)學(xué)信息學(xué)領(lǐng)域著名國(guó)際期刊和會(huì)議上發(fā)表相關(guān)論文80余篇,Google Scholar統(tǒng)計(jì)引用1,300余次。多次在相關(guān)領(lǐng)域國(guó)際公開(kāi)評(píng)測(cè)中獲得第1名。涂存超清華大學(xué)計(jì)算機(jī)系博士后。主要研究方向?yàn)樽匀徽Z(yǔ)言處理和法律智能。2018年獲得清華大學(xué)博士學(xué)位。在人工智能及自然語(yǔ)言處理著名國(guó)際期刊和會(huì)議上發(fā)表相關(guān)論文10余篇。獲得清華大學(xué)優(yōu)秀博士畢業(yè)生、清華大學(xué)優(yōu)秀博士論文獎(jiǎng)、北京市優(yōu)秀博士畢業(yè)生等榮譽(yù),入選“博士后創(chuàng)新人才支持計(jì)劃”。丁 效哈爾濱工業(yè)大學(xué)助理研究員、碩士生導(dǎo)師。主要研究方向?yàn)槿斯ぶ悄、自然語(yǔ)言處理、社會(huì)計(jì)算和事理圖譜。2016年獲得哈爾濱工業(yè)大學(xué)博士學(xué)位,已在AAAI、IJCAI、ACL、EMNLP、NAACL、COLING等人工智能領(lǐng)域的著名國(guó)際期刊和會(huì)議上發(fā)表相關(guān)論文20余篇。承擔(dān)國(guó)家自然科學(xué)基金青年項(xiàng)目等省部級(jí)以上項(xiàng)目四項(xiàng),參與國(guó)家重大科技基礎(chǔ)設(shè)施建設(shè)項(xiàng)目、“新一代人工智能”重大項(xiàng)目、國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目等多個(gè)科研項(xiàng)目。榮獲全國(guó)青年人工智能創(chuàng)新創(chuàng)業(yè)大會(huì)三等獎(jiǎng)、第五屆全國(guó)青年計(jì)算語(yǔ)言學(xué)研討會(huì)優(yōu)秀論文獎(jiǎng)等榮譽(yù)。
目錄
1 深度計(jì)算——機(jī)器大腦的結(jié)構(gòu) 1 1.1 驚人的深度學(xué)習(xí) ................................................................................... 1 1.1.1 可以做酸奶的面包機(jī):通用機(jī)器的概念 ................................ 2 1.1.2 連接主義 .................................................................................... 4 1.1.3 用機(jī)器設(shè)計(jì)機(jī)器 ........................................................................ 5 1.1.4 深度網(wǎng)絡(luò) .................................................................................... 6 1.1.5 深度學(xué)習(xí)的用武之地 ................................................................ 6 1.2 從人腦神經(jīng)元到人工神經(jīng)元 ............................................................... 8 1.2.1 生物神經(jīng)元中的計(jì)算靈感 ........................................................ 8 1.2.2 激活函數(shù) .................................................................................... 9 1.3 參數(shù)學(xué)習(xí) ............................................................................................. 10 1.3.1 模型的評(píng)價(jià) .............................................................................. 11 1.3.2 有監(jiān)督學(xué)習(xí) .............................................................................. 11 1.3.3 梯度下降法 .............................................................................. 12 1.4 多層前饋網(wǎng)絡(luò) ..................................................................................... 14 1.4.1 多層前饋網(wǎng)絡(luò) .......................................................................... 14 1.4.2 后向傳播算法計(jì)算梯度 .......................................................... 16 1.5 逐層預(yù)訓(xùn)練 ......................................................................................... 17 1.6 深度學(xué)習(xí)是終極神器嗎 ..................................................................... 20 1.6.1 深度學(xué)習(xí)帶來(lái)了什么 .............................................................. 20 1.6.2 深度學(xué)習(xí)尚未做到什么 .......................................................... 21 1.7 內(nèi)容回顧與推薦閱讀 ......................................................................... 22 1.8 參考文獻(xiàn) ............................................................................................. 23 2 知識(shí)圖譜——機(jī)器大腦中的知識(shí)庫(kù) 25 2.1 什么是知識(shí)圖譜 ................................................................................. 25 2.2 知識(shí)圖譜的構(gòu)建 ................................................................................. 28 2.2.1 大規(guī)模知識(shí)庫(kù) .......................................................................... 28 2.2.2 互聯(lián)網(wǎng)鏈接數(shù)據(jù) ...................................................................... 29 2.2.3 互聯(lián)網(wǎng)網(wǎng)頁(yè)文本數(shù)據(jù) .............................................................. 30 2.2.4 多數(shù)據(jù)源的知識(shí)融合 .............................................................. 31 2.3 知識(shí)圖譜的典型應(yīng)用 ......................................................................... 32 2.3.1 查詢理解 .................................................................................. 32 2.3.2 自動(dòng)問(wèn)答 .................................................................................. 34 2.3.3 文檔表示 .................................................................................. 35 2.4 知識(shí)圖譜的主要技術(shù) ......................................................................... 36 2.4.1 實(shí)體鏈指 .................................................................................. 36 2.4.2 關(guān)系抽取 .................................................................................. 37 2.4.3 知識(shí)推理 .................................................................................. 39 2.4.4 知識(shí)表示 .................................................................................. 40 2.5 前景與挑戰(zhàn) ......................................................................................... 42 2.6 內(nèi)容回顧與推薦閱讀 ......................................................................... 45 2.7 參考文獻(xiàn) ............................................................................................. 45 3 大數(shù)據(jù)系統(tǒng)——大數(shù)據(jù)背后的支撐技術(shù) 47 3.1 大數(shù)據(jù)有多大 ..................................................................................... 47 3.2 高性能計(jì)算技術(shù) ................................................................................. 49 3.2.1 超級(jí)計(jì)算機(jī)的組成 .................................................................. 49 3.2.2 并行計(jì)算的系統(tǒng)支持 .............................................................. 51 3.3 虛擬化和云計(jì)算技術(shù) ......................................................................... 55 3.3.1 虛擬化技術(shù) .............................................................................. 56 3.3.2 云計(jì)算服務(wù) .............................................................................. 58 3.4 基于分布式計(jì)算的大數(shù)據(jù)系統(tǒng) ......................................................... 59 3.4.1 Hadoop 生態(tài)系統(tǒng) .................................................................... 60 3.4.2 Spark ........................................................................................ 67 3.4.3 典型的大數(shù)據(jù)基礎(chǔ)架構(gòu) .......................................................... 68 3.5 大規(guī)模圖計(jì)算 ..................................................................................... 69 3.5.1 分布式圖計(jì)算框架 .................................................................. 70 3.5.2 高效的單機(jī)圖計(jì)算框架 .......................................................... 71 3.6 NoSQL ................................................................................................ 72 3.6.1 NoSQL 數(shù)據(jù)庫(kù)的類別 ............................................................ 72 3.6.2 MongoDB 簡(jiǎn)介 ........................................................................ 74 3.7 內(nèi)容回顧與推薦閱讀 ......................................................................... 76 3.8 參考文獻(xiàn) ............................................................................................. 77 4 主題模型——機(jī)器的智能摘要利器 78 4.1 由文檔到主題 ..................................................................................... 78 4.2 主題模型出現(xiàn)的背景 ......................................................................... 80 4.3 第一個(gè)主題模型:潛在語(yǔ)義分析 ..................................................... 81 4.4 第一個(gè)正式的概率主題模型 ............................................................. 84 4.5 第一個(gè)正式的貝葉斯主題模型 ......................................................... 85 4.6 LDA 的概要介紹 ................................................................................ 86 4.6.1 LDA 的延伸理解:主題模型廣義理解 ................................. 90 4.6.2 模型求解 .................................................................................. 92 4.6.3 模型評(píng)估 .................................................................................. 93 4.6.4 模型選擇:主題數(shù)目的確定 .................................................. 94 4.7 主題模型的變形與應(yīng)用 ..................................................................... 95 4.7.1 基于 LDA 的變種模型 ............................................................ 95 4.7.2 基于 LDA 的典型應(yīng)用 ............................................................ 97 4.7.3 基于主題模型的新浪名人話題排行榜應(yīng)用 ........................ 100 4.8 內(nèi)容回顧與推薦閱讀 ....................................................................... 104 4.9 參考文獻(xiàn) ........................................................................................... 105 5 機(jī)器翻譯——機(jī)器如何跨越語(yǔ)言障礙 110 5.1 機(jī)器翻譯的意義 ............................................................................... 110 5.2 機(jī)器翻譯的發(fā)展歷史 ....................................................................... 111 5.2.1 基于規(guī)則的機(jī)器翻譯 ............................................................ 112 5.2.2 基于語(yǔ)料庫(kù)的機(jī)器翻譯 ........................................................ 112 5.2.3 基于神經(jīng)網(wǎng)絡(luò)的機(jī)器翻譯 .................................................... 114 5.3 經(jīng)典的神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯模型 ....................................................... 114 5.3.1 基于循環(huán)神經(jīng)網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯 ............................ 114 5.3.2 從卷積序列到序列模型 ........................................................ 117 5.3.3 基于自注意力機(jī)制的 Transformer 模型 .............................. 118 5.4 機(jī)器翻譯譯文質(zhì)量評(píng)價(jià) ................................................................... 120 5.5 機(jī)器翻譯面臨的挑戰(zhàn) ....................................................................... 121 5.6 參考文獻(xiàn) ........................................................................................... 123 6 情感分析與意見(jiàn)挖掘——機(jī)器如何了解人類情感 125 6.1 情感可以計(jì)算嗎 ............................................................................... 125 6.2 哪里需要文本情感分析 ................................................................... 126 6.2.1 情感分析的宏觀反映 ............................................................ 127 6.2.2 情感分析的微觀特征 ............................................................ 128 6.3 情感分析的主要研究問(wèn)題 ............................................................... 129 6.4 情感分析的主要方法 ....................................................................... 132 6.4.1 構(gòu)成情感和觀點(diǎn)的基本元素 ................................................ 132 6.4.2 情感極性與情感詞典 ............................................................ 134 6.4.3 屬性-觀點(diǎn)對(duì) ........................................................................ 141 6.4.4 情感極性分析 ........................................................................ 143 6.5 主要的情感分析資源 ....................................................................... 148 6.6 前景與挑戰(zhàn) ....................................................................................... 149 6.7 內(nèi)容回顧與推薦閱讀 ....................................................................... 150 6.8 參考文獻(xiàn) ........................................................................................... 151 7 智能問(wèn)答與對(duì)話系統(tǒng)——智能助手是如何煉成的 154 7.1 問(wèn)答:圖靈測(cè)試的基本形式 ........................................................... 154 7.2 從問(wèn)答到對(duì)話 ................................................................................... 155 7.2.1 對(duì)話系統(tǒng)的基本過(guò)程 ............................................................ 156 7.2.2 文本對(duì)話系統(tǒng)的常見(jiàn)場(chǎng)景 .................................................... 157 7.3 問(wèn)答系統(tǒng)的主要組成 ....................................................................... 159 7.4 文本問(wèn)答系統(tǒng) ................................................................................... 161 7.4.1 問(wèn)題理解 ................................................................................ 161 7.4.2 知識(shí)檢索 ................................................................................ 165 7.4.3 答案生成 ................................................................................ 169 7.5 端到端的閱讀理解問(wèn)答技術(shù) ........................................................... 169 7.5.1 什么是閱讀理解任務(wù) ............................................................ 170 7.5.2 閱讀理解任務(wù)的模型 ............................................................ 172 7.5.3 閱讀理解任務(wù)的其他工程技巧 ............................................ 173 7.6 社區(qū)問(wèn)答系統(tǒng) ................................................................................... 174 7.6.1 社區(qū)問(wèn)答系統(tǒng)的結(jié)構(gòu) ............................................................ 174 7.6.2 相似問(wèn)題檢索 ........................................................................ 175 7.6.3 答案過(guò)濾 ................................................................................ 177 7.6.4 社區(qū)問(wèn)答的應(yīng)用 .................................................................... 177 7.7 多媒體問(wèn)答系統(tǒng) ............................................................................... 179 7.8 大型問(wèn)答系統(tǒng)案例:IBM 沃森問(wèn)答系統(tǒng) ...................................... 181 7.8.1 沃森的總體結(jié)構(gòu) .................................................................... 182 7.8.2 問(wèn)題解析 ................................................................................ 182 7.8.3 知識(shí)儲(chǔ)備 ................................................................................ 183 7.8.4 檢索和候選答案生成 ............................................................ 184 7.8.5 可信答案確定 ........................................................................ 184 7.9 前景與挑戰(zhàn) ....................................................................................... 186 7.10 內(nèi)容回顧與推薦閱讀 ..................................................................... 186 7.11 參考文獻(xiàn) ......................................................................................... 187 8 個(gè)性化推薦系統(tǒng)——如何了解計(jì)算機(jī)背后的他 190 8.1 什么是推薦系統(tǒng) ............................................................................... 190 8.2 推薦系統(tǒng)的發(fā)展歷史 ....................................................................... 191 8.2.1 推薦無(wú)處不在 ........................................................................ 192 8.2.2 從千人一面到千人千面 ........................................................ 193 8.3 個(gè)性化推薦的基本問(wèn)題 ................................................................... 194 8.3.1 推薦系統(tǒng)的輸入 .................................................................... 194 8.3.2 推薦系統(tǒng)的輸出 .................................................................... 196 8.3.3 個(gè)性化推薦的基本形式 ........................................................ 197 8.3.4 推薦系統(tǒng)的三大核心問(wèn)題 .................................................... 198 8.4 典型推薦算法淺析 ........................................................................... 199 8.4.1 推薦算法的分類 .................................................................... 199 8.4.2 典型推薦算法介紹 ................................................................ 200 8.4.3 基于矩陣分解的打分預(yù)測(cè) .................................................... 207 8.4.4 基于神經(jīng)網(wǎng)絡(luò)的推薦算法 .................................................... 213 8.5 推薦的可解釋性 ............................................................................... 214 8.6 推薦算法的評(píng)價(jià) ............................................................................... 217 8.6.1 評(píng)分預(yù)測(cè)的評(píng)價(jià) .................................................................... 218 8.6.2 推薦列表的評(píng)價(jià) .................................................................... 219 8.6.3 推薦理由的評(píng)價(jià) .................................................................... 220 8.7 前景與挑戰(zhàn):我們走了多遠(yuǎn) ........................................................... 221 8.7.1 推薦系統(tǒng)面臨的問(wèn)題 ............................................................ 221 8.7.2 推薦系統(tǒng)的新方向 ................................................................ 223 8.8 內(nèi)容回顧與推薦閱讀 ....................................................................... 225 8.9 參考文獻(xiàn) ........................................................................................... 226 9 機(jī)器寫(xiě)作——從分析到創(chuàng)造 228 9.1 什么是機(jī)器寫(xiě)作 ............................................................................... 228 9.2 藝術(shù)寫(xiě)作 ........................................................................................... 229 9.2.1 機(jī)器寫(xiě)詩(shī) ................................................................................ 229 9.2.2 AI 對(duì)聯(lián) ................................................................................... 233 9.3 當(dāng)代寫(xiě)作 ........................................................................................... 236 9.3.1 機(jī)器寫(xiě)稿 ................................................................................ 236 9.3.2 機(jī)器故事生成 ........................................................................ 239 9.4 內(nèi)容回顧 ........................................................................................... 241 9.5 參考文獻(xiàn) ........................................................................................... 242 10 社交商業(yè)數(shù)據(jù)挖掘——從用戶數(shù)據(jù)挖掘到商業(yè)智能應(yīng)用 243 10.1 社交媒體平臺(tái)中的數(shù)據(jù)寶藏 ......................................................... 243 10.2 打通網(wǎng)絡(luò)社區(qū)的束縛:用戶網(wǎng)絡(luò)社區(qū)身份的鏈指與融合 ......... 245 10.3 揭開(kāi)社交用戶的面紗:用戶畫(huà)像的構(gòu)建 ..................................... 247 10.3.1 基于顯式社交屬性的構(gòu)建方法 .......................................... 247 10.3.2 基于網(wǎng)絡(luò)表示學(xué)習(xí)的構(gòu)建方法 .......................................... 249 10.3.3 產(chǎn)品受眾畫(huà)像的構(gòu)建 .......................................................... 250 10.4 了解用戶的需求:用戶消費(fèi)意圖的識(shí)別 ..................................... 254 10.4.1 個(gè)體消費(fèi)意圖識(shí)別 .............................................................. 254 10.4.2 群體消費(fèi)意圖識(shí)別 .............................................................. 256 10.5 精準(zhǔn)的供需匹配:面向社交平臺(tái)的產(chǎn)品推薦算法 ..................... 258 10.5.1 候選產(chǎn)品列表生成 .............................................................. 258 10.5.2 基于學(xué)習(xí)排序算法的推薦框架 .......................................... 259 10.5.3 基于用戶屬性的排序特征構(gòu)建 .......................................... 260 10.5.4 推薦系統(tǒng)的整體設(shè)計(jì)概覽 .................................................. 261 10.6 前景與挑戰(zhàn) ..................................................................................... 262 10.7 內(nèi)容回顧與推薦閱讀 ..................................................................... 263 10.8 參考文獻(xiàn) ......................................................................................... 264 11 智慧醫(yī)療——信息技術(shù)在醫(yī)療領(lǐng)域應(yīng)用的結(jié)晶 265 11.1 智慧醫(yī)療的起源 ............................................................................. 265 11.2 智慧醫(yī)療的廬山真面目 ................................................................. 267 11.3 智慧醫(yī)療中的人工智能應(yīng)用 ......................................................... 268 11.3.1 醫(yī)療過(guò)程中的人工智能應(yīng)用 .............................................. 268 11.3.2 醫(yī)療研究中的人工智能應(yīng)用 .............................................. 272 11.4 前景與挑戰(zhàn) ..................................................................................... 273 11.5 內(nèi)容回顧與推薦閱讀 ..................................................................... 275 11.6 參考文獻(xiàn) ......................................................................................... 275 12 智慧司法——智能技術(shù)促進(jìn)司法公正 276 12.1 智能技術(shù)與法律的碰撞 ................................................................. 276 12.2 智慧司法相關(guān)研究 ......................................................................... 277 12.2.1 法律智能的早期研究 .......................................................... 278 12.2.2 判決預(yù)測(cè):虛擬法官的誕生與未來(lái) .................................. 279 12.2.3 文書(shū)生成:司法過(guò)程簡(jiǎn)化 .................................................. 283 12.2.4 要素提。核痉ńY(jié)構(gòu)化 ...................................................... 285 12.2.5 類案匹配:解決一案多判 .................................................. 289 12.2.6 司法問(wèn)答:讓機(jī)器理解法律 .............................................. 292 12.3 智慧司法的期望偏差與應(yīng)用挑戰(zhàn) ................................................. 293 12.3.1 智慧司法的期望偏差 .......................................................... 293 12.3.2 智慧司法的應(yīng)用挑戰(zhàn) .......................................................... 294 12.4 內(nèi)容回顧與推薦閱讀 ..................................................................... 295 12.5 參考文獻(xiàn) ......................................................................................... 295 13 智能金融——機(jī)器金融大腦 298 13.1 智能金融正當(dāng)其時(shí) ......................................................................... 298 13.1.1 什么是智能金融 .................................................................. 298 13.1.2 智能金融與金融科技、互聯(lián)網(wǎng)金融的異同 ...................... 298 13.1.3 智能金融適時(shí)而生 .............................................................. 299 13.2 智能金融技術(shù) ................................................................................. 301 13.2.1 大數(shù)據(jù)的機(jī)遇與挑戰(zhàn) .......................................................... 301 13.2.2 智能金融中的自然語(yǔ)言處理 .............................................. 303 13.2.3 金融事理圖譜 ...................................................................... 307 13.2.4 智能金融中的深度學(xué)習(xí) ...................................................... 310 13.3 智能金融應(yīng)用 ................................................................................. 314 13.3.1 智能投顧 .............................................................................. 314 13.3.2 智能研報(bào) .............................................................................. 315 13.3.3 智能客服 .............................................................................. 316 13.4 前景與挑戰(zhàn) ..................................................................................... 317 13.5 內(nèi)容回顧與推薦閱讀 ..................................................................... 319 13.6 參考文獻(xiàn) ......................................................................................... 319 14 計(jì)算社會(huì)學(xué)——透過(guò)大數(shù)據(jù)了解人類社會(huì) 320 14.1 透過(guò)數(shù)據(jù)了解人類社會(huì) ................................................................. 320 14.2 面向社會(huì)媒體的自然語(yǔ)言使用分析 ............................................. 321 14.2.1 詞匯的時(shí)空傳播與演化 ...................................................... 322 14.2.2 語(yǔ)言使用與個(gè)體差異 .......................................................... 325 14.2.3 語(yǔ)言使用與社會(huì)地位 .......................................................... 326 14.2.4 語(yǔ)言使用與群體分析 .......................................................... 328 14.3 面向社會(huì)媒體的自然語(yǔ)言分析應(yīng)用 ............................................. 330 14.3.1 社會(huì)預(yù)測(cè) .............................................................................. 330 14.3.2 霸凌現(xiàn)象定量分析 .............................................................. 331 14.4 未來(lái)研究的挑戰(zhàn)與展望 ................................................................. 332 14.5 參考文獻(xiàn) ......................................................................................... 333 后記 334
你還可能感興趣
我要評(píng)論
|