更改

信息抽取 (查看源代码)

2021年8月28日 (六) 19:42的版本

添加246字节、 2021年8月28日 (六) 19:42

→‎编辑推荐

第149行：第149行：

==编辑推荐==

−

~~===集智相关文章===~~

+

[[File:产学结合_爱奇艺.jpg|right|200px]]

−

~~====~~[~~https~~:~~//swarma~~.~~org/?p=8233 讲座笔记分享：深度学习在自然语言处理中的应用~~]~~====~~

+

====知识抽取与挖掘====

−

AI界著名学者兼实践者、深度好奇公司CTO吕正东博士「深度学习与自然语言（NLP）处理」所做报告。报告深入浅出，很适合快速系统了解这一领域的基础框架和最新动态。报告涉及的自然语言处理是AI领域热门而前沿的问题，其中众多术语从一线实践中产生，很多还没有恰切的中文翻译，需要结合语境理解。

+

知识图谱的意义在于构筑行业的场景数据模型，帮助发现和学习数据之间的关联规律，理解事物全貌，赋能各行各业的智能化发展。知识图谱需要庞大的数据作为支持，大规模知识库的构建与应用需要多种技术的支持。通过知识提取技术，可以从一些公开的网络半结构化、非结构化数据和结构化数据库的数据中提取出实体、关系、属性等知识要素。

−

====~~[https://swarma.org/?p=8250 深度学习在自然语言处理中的应用]~~====

−

~~AI界大神吕博士与我们简要讨论了一下深度学习在自然语言处理中的最近研究状况，还将分享他对语言智能几个重要问题的想法，包括：~~

−

* 人工智能中联结主义与符号主义的融合

+

知识抽取，即从不同来源、不同结构的数据中进行知识提取，形成知识(结构化数据)存入到知识图谱。知识挖掘是指从数据中获取实体及新的实体链接和新的关联规则等信息。主要的技术包含实体的链接与消歧、知识规则挖掘、知识图谱表示学习等。其中实体链接与消歧为知识的内容挖掘，知识规则挖掘属于结构挖掘，表示学习则是将知识图谱映射到向量空间而后进行挖掘。

−

* ~~语言学习的新范式~~

+

* [https://campus.swarma.org/course/857 知识抽取与挖掘——术语&实体]

+

* [https://campus.swarma.org/course/858 知识抽取与挖掘——关系&事件]

−

~~===集智相关课程===~~

−

~~[[File:产学结合_爱奇艺.jpg|right|200px]]~~

====[https://campus.swarma.org/course/807 自然语言处理入门]====

课程对基本的自然语言处理进行了学习规划于介绍，并带你入门自然语言处理。

薄荷

7,129

个编辑