第1章 人工智能与知识表示
1.1 智能与人工智能
1.1.1 智能
1.1.2 人工智能
1.2 基本方法和流派
1.2.1 基本方法
1.2.2 基本流派
l.3 知识表示
1.3.1 知识符号化
1.3.2 知识表示的概念
1.3.3 人工智能中的知识表示
1.4 一阶谓词逻辑的知识表示
1.4.1 命题逻辑
1.4.2 谓词逻辑
1.4.3 使用谓词表示知识
1.4.4 小结
1.5 产生式知识表示
1.5.1 产生式的概念
1.5.2 规则性知识的产生式
1.5.3 事实性知识的产生式
1.5.4 产生式系统
第2章 语言知识库的构建
2.1 语言知识的概念
2.1.1 语言知识
2.1.2 语言知识库
2.1.3 语言知识库的类型
2.2 语言知识的来源
2.2.1 结构化数据
2.2.2 半结构化数据
2.2.3 非结构化数据
2.3 语言知识库的构建
2.3.1 构建流程
2.3.2 规范和原则
2.4 语言知识获取方法
2.4.1 人工标注知识
2.4.2 自动获取知识
2.4.3 人机交互获取知识
2.5 语言知识的存储
2.5.1 数据库及其类型
2.5.2 可扩展标记语言
2.5.3 数据交换格式
2.5.4 本体知识表示
第3章 资源类语言知识
3.1 资源类语言知识的概念
3.2 资源类语言知识的发展
3.2.1 语义网络
3.2.2 语义Web
3.2.3 知识图谱
3.3 常用的资源类语言知识
3.3.1 WordNet
3.3.2 FrameNet
3.3.3 ConceptNet
3.3.4 HowNet
3.3.5 同义词词林
第4章 语料库语言知识
4.1 词汇中的语言知识
4.1.1 词性知识
4.1.2 分词知识
4.2 句子中的语言知识
4.2.1 命名实体知识
4.2.2 实体关系知识
4.2.3 事件知识
4.3 句子结构中的知识
4.3.1 句法结构树
4.3.2 浅层句法结构
4.3.3 依存句法树
4.3.4 抽象语义表示
4.4 常用汉语语料库
4.4.1 大规模汉语语料库
4.4.2 汉语标注语料库
第5章 语言知识的应用:面向自然语言处理
5.1 自然语言处理的基本问题
5.1.1 语言模型问题
5.1.2 分类问题
5.1.3 序列标注问题
5.1.4 语言结构分析问题
5.1.5 语言生成问题
5.2 自动问答
5.2.1 概念和历史
5.2.2 开放领域自动问答
5.2.3 基于知识的自动问答
5.3 机器阅读理解
5.3.1 概念和发展史
5.3.2 完型填空型任务和数据集
5.3.3 选择型任务和数据集
5.3.4 片段抽取型任务和数据集
5.3.5 自由问答型任务和数据集
5.4 机器翻译
5.4.1 概念和发展史
5.4.2 机器翻译的基石:双语平行语料库
5.4.3 统计机器翻译方法简介
5.4.4 神经机器翻译方法简介
第6章 语言知识的应用:面向垂直领域
6.1 智能司法信息处理
6.1.1 概述
6.1.2 法律判决预测任务
6.1.3 相似案件匹配任务
6.1.4 司法领域自动问答
6.2 智能医疗信息处理
6.2.1 概述
6.2.2 医疗信息知识库构建
6.2.3 智慧医疗的典型应用
6.2.4 智慧医疗的未来发展
6.3 智能金融信息处理
6.3.1 概述
6.3.2 金融领域知识库构建与分析技术
6.3.3 智能金融的典型应用
展开