机读格式显示(MARC)

• 000 02118nam0 2200289 450

• 001 0000498652

• 005 20250320155700.0

• 010 __ |a 978-7-5763-2990-2 |d CNY76.00

• 100 __ |a 20241220d2023 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a af a 000yy

• 106 __ |a r

• 200 1_ |a 基于知识图谱的可解释人工智能 |A ji yu zhi shi tu pu de ke jie shi ren gong zhi neng |d = Interpretable artificial intelligence based on knowledge graph |f 王亚珅, 欧阳小叶, 郭大宇著 |z eng

• 210 __ |a 北京 |c 北京理工大学出版社 |d 2023.10

• 215 __ |a 237页, [1] 叶图版 |c 图 (部分彩图) |d 24cm

• 314 __ |a 王亚珅, 中国电科智能科技研究院高级工程师。主要从事自然语言处理与知识工程、舆情分析与认知治理等方面研究工作。主持国家自然青年科学基金、基础加强技术领域基金等项目, 获中国电子学会科技进步二等奖, 出版学术专著2部, 授权受理发明专利20余项, 发表学术论文50余篇。欧阳小叶, 中国电子科学研究院高级工程师。主要从事知识图谱构建与应用、反垄断监管、网络交易监管等方向研究工作。获中国电子科技集团科技进步奖1项, 授权受理发明专利10余项, 发表学术论文20余篇。郭大宇, 中国电子科学研究院工程师。主要从事知识图谱构建与应用、大语言模型领域知识增强数据智能与智慧城市、网络市场数字化监管等方向的研究工作。授权受理发明专利10余项, 发表学术论文10余篇。

• 320 __ |a 有书目 (第211-237页)

• 330 __ |a 本书内容 (除第1章外) 可分为三个部分。第一部分, 从知识图谱 (第2章)、人工智能与可解释人工智能 (第3章) 这两个角度, 介绍基于知识图谱的可解释人工智能所属概念范畴、所处技术浪潮中的定位、相关理论方法工具基础等。第二部分, 详细介绍基于知识图谱的可解释人工智能的理论模型和应用情况 (第4章), 针对基于知识图谱的可解释智能推荐、基于知识图谱的可解释问答对话、基于知识图谱的可解释关系推理等任务, 分别阐释了典型成果的技术路线、总结分析等。第三部分, 总结全书并展望基于知识图谱的可解释人工智能的未来研究发展趋势 (第5章)。

• 510 1_ |a Interpretable artificial intelligence based on knowledge graph |z eng

• 606 0_ |a 人工智能 |A ren gong zhi neng |x 研究

• 690 __ |a TP18 |v 5

• 701 _0 |a 王亚珅 |A wang ya shen |4 著

• 701 _0 |a 欧阳小叶 |A ou yang xiao ye |4 著

• 701 _0 |a 郭大宇 |A guo da yu |4 著

• 801 _0 |a CN |b 辽批 |c 20241220

• 905 __ |a AUSTL |d TP18/W932