TensorFlow知识图谱实战

大数据时代的到来，为人工智能的飞速发展带来前所未有的数据红利。在大数据的“喂养”下，大量知识不断涌现，如何有效地发掘这些知识呢？知识图谱横空出世。本书是一本讲解如何使用TensorFlow 2构建知识图谱的入门教程，引导读者掌握基于深度学习的知识图谱构建概念、理论和方法。 本书分为13章：第1章从搭建环境开始，包含TensorFlow CPU 版本和GPU版本的安装，并通过一个知识图谱的例子引导读者开始学习；第2~4章介绍TensorFlow API的使用；第5章是Dataset API，学习使用原生API处理数据的方法；第6~8章是实战准备部分，介绍ResNet模型、词嵌入（word embedding）模型、情感分类；第9 ~10章在“注意力模型”基础上搭建了“编码器模型”；第11~13章搭建了知识图谱联合抽取模型，利用本书所学知识实战知识图谱的搭建过程和性能提升方案。本书内容详尽、示例丰富，适合作为知识图谱和深度学习读者的参考书，同时也适合开设人工智能专业的大中专院校师生阅读，还可作为高等院校计算机及相关专业教材使用。

这是一本以深度学习技术为核心，以TensorFlow 2为工具，全面讲解如何使用深度学习技术构建知识图谱的入门教程。书中内容详尽、示例丰富，适合作为知识图谱和深度学习读者的参考书，同时也适合开设人工智能专业的大中专院校师生阅读，还可作为高等院校计算机及相关专业教材使用。 全书共分为13章，从搭建环境开始，包含TensorFlow CPU版本和GPU版本的安装，并通过一个知识图谱的例子引导读者开始学习。第2~4章介绍TensorFlow API的使用，包括Keras让一切变简单、全连接层详解以及Keras模型库的懒人的福音。第5章是Dataset API，学习使用原生API处理数据的方法。第6~8章是实战准备部分，介绍ResNet模型、词嵌入(word embedding)模型、情感分类。第9 ~10章在“注意力模型”基础上搭建了“编码器模型”。第11~13章搭建了知识图谱联合抽取模型，利用本书所学知识实战知识图谱的搭建过程和性能提升方案。 在书中，作者详细讲解了自然语言处理的发展历程和难点，包括自然语言处理的基本概念、发展历程、以及面临的挑战。同时，作者还详细介绍了BP神经网络、卷