دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [Hardcover ed.] نویسندگان: Xiang Ren, Jiawei Han, Lise Getoor, Wei Wang, Johannes Gehrke, Robert Grossman سری: Synthesis Lectures on Data Mining and Knowledge Discovery ISBN (شابک) : 1681733943, 9781681733944 ناشر: Morgan & Claypool سال نشر: 2018 تعداد صفحات: 199 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 Mb
در صورت تبدیل فایل کتاب Mining Structures of Factual Knowledge from Text: An Effort-Light Approach به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ساختارهای استخراج دانش واقعی از متن: رویکرد سبک تلاش نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
دادههای دنیای واقعی، اگرچه عظیم هستند، اما عمدتاً ساختاری
ندارند و به شکل متنی به زبان طبیعی هستند. استخراج ساختارها از
داده های متنی عظیم، بدون حاشیه نویسی و برچسب گذاری گسترده
انسانی، چالش برانگیز اما بسیار مطلوب است. در این کتاب، ما اصول
و روششناسی ساختارهای استخراج دانش واقعی (به عنوان مثال،
موجودیتها و روابط آنها) را از مجموعههای متنی عظیم و بدون
ساختار بررسی میکنیم.
خروج از بسیاری از روشهای استخراج سازه موجود که اتکای زیادی
دارند. روی دادههای حاشیهنویسی شده توسط انسان برای آموزش مدل،
رویکرد سبک تلاش ما از حقایق تنظیمشده توسط انسان که در
پایگاههای دانش خارجی به عنوان نظارت از راه دور ذخیره میشوند،
استفاده میکند و از افزونگی دادههای غنی در مجموعههای متنی
بزرگ برای درک زمینه استفاده میکند. این رویکرد کاوی سبک تلاش
منجر به یک سری از اصول جدید و روششناسی قدرتمند برای ساختاربندی
مجموعههای متنی میشود، از جمله (1) شناسایی موجودیت، تایپ و کشف
مترادف، (2) استخراج رابطه موجودیت، و (3) ویژگی-مقدار دامنه باز.
استخراج و استخراج اطلاعات این کتاب این مرز تحقیقاتی جدید را
معرفی میکند و به برخی جهتهای پژوهشی امیدوارکننده اشاره
میکند.
The real-world data, though massive, is largely unstructured,
in the form of natural-language text. It is challenging but
highly desirable to mine structures from massive text data,
without extensive human annotation and labeling. In this book,
we investigate the principles and methodologies of mining
structures of factual knowledge (e.g., entities and their
relationships) from massive, unstructured text corpora.
Departing from many existing structure extraction methods that
have heavy reliance on human annotated data for model training,
our effort-light approach leverages human-curated facts stored
in external knowledge bases as distant supervision and exploits
rich data redundancy in large text corpora for context
understanding. This effort-light mining approach leads to a
series of new principles and powerful methodologies for
structuring text corpora, including (1) entity recognition,
typing and synonym discovery, (2) entity relation extraction,
and (3) open-domain attribute-value mining and information
extraction. This book introduces this new research frontier and
points out some promising research directions.