《中国人工智能学会通讯》——7.24 现今知识图谱应用的挑战和展望
7.24 现今知识图谱应用的挑战和展望 知识图谱本身仍是一个快速发展的领域。它在搜索引擎中的应用更是刚刚起步。这里，笔者根据自身在这个方向研究过程中的经验和体会，总结出两个目前最直接对知识图谱在搜索引擎中使用的挑战，以及对这个方向将来发展的展望。 知识图谱和自然语言的对接 目前几乎所有相关工作都需要首先将知识图谱和文本数据对接起来。本文介绍了三种目前有效的主流方法，即查询词条实体标注、实体搜索和....
《中国人工智能学会通讯》——7.23 知识图谱在信息检索中的应用
7.23 知识图谱在信息检索中的应用 随着知识图谱相关技术的逐渐成熟，近年来，学术界也开始了对知识图谱的在搜索引擎中的应用的探索。目前常用的方法是：先通过实体标注等技术将搜索引擎和知识图谱联系起来；然后利用知识图谱中的信息来更好地理解查询词条和改进排序模型。 知识图谱和搜索引擎的结合 知识图谱和之前搜索引擎中常见的数据有很大不同。首先，知识图谱是图结构的，而搜索引擎中更常见的是文本和网页；同时，....
《中国人工智能学会通讯》——7.22 知识图谱应用的基本技术
7.22 知识图谱应用的基本技术 要想在文本应用中使用知识图谱，必不可少的先决步骤是将知识图谱和文本对应起来。常用方法有实体标注（Entity Linking）和实体搜索（EntitySearch）两种。 实体标注实体标注的任务是自动标识出文本里出现的实体。比如在“卡耐基梅隆大学是位于宾州匹兹堡的一所私立研究性大学”这句话里，实体标注系统会识别出它提到了“卡耐基梅隆”、“宾夕法尼亚”、“匹兹堡”....
《中国人工智能学会通讯》——11.42 相关应用
11.42 相关应用 正如前面所介绍的，实体链接任务是很多应用领域的重要基础工作，例如知识库扩展和问答系统。接下来将介绍实体链接的其他重要应用领域。 信息抽取通过信息抽取技术发现的命名实体和实体关系通常都是有歧义的，将它们链接到知识库是对它们消歧和进一步利用的重要步骤。Lin et al [31] 提出一种有效的实体链接技术，将从万维网中提取出来的1 500 万个实体关系中的实体链接到维基百科。....
《中国人工智能学会通讯》——4.28 数据挖掘技术在电子数据取证中的应用
4.28 数据挖掘技术在电子数据取证中的应用 电子数据取证过程中会获得大量的证据数据，主要来源于三个方面，一是计算机主机系统方面的证据，主要包括来自硬盘、内存、外设中的数据；二是来自网络方面的证据，主要包括实时获取的网络通信数据流网络设备上产生的记录，以及网络安全设备上的日志和登录日志；三是来自其他数字设备的证据，如手机、手持电子设备。这些可疑数据的数据量非常庞大并且不断更新，面对这样庞大的、变....
《中国人工智能学会通讯》——7.18 篇章语义分析的应用
7.18 篇章语义分析的应用 由于篇章语义分析以篇章结构和语义信息为分析目标，因此对机器翻译研究（MT，MachineTranslation）的促进作用最为直接。在已有的工作中，研究人员利用篇章语义分析技术从很多角度辅助机器翻译系统的性能提升。首先，篇章语义分析研究结果能够刻画 MT 系统的输入文本块之间的语义关系，这对 MT 系统更合理地组织翻译结果无疑是有益的[36] 。此外，篇章语义分析对....
搞定大数据：AI和机器学习在数据处理与保护上的应用
本文讲的是搞定大数据：AI和机器学习在数据处理与保护上的应用，作为咨询师和顾问，有关各自数据、信息和网络安全事务时，重复“规模”问题挺有难度。不幸的是，上市公司的“外行”总监和管理人员，以及政府高管，倾向于将“规模”(当它属于数据保护的时候)看做不好的东西，甚至是令人恐怖的事物。 原因部分在于，几乎没有什么实用的方法，可以向这些位置上的人解释：某组织的安全运营中心是有可能每天收到百万个“事件”，....
《中国人工智能学会通讯》——11.34 基于近似动态规划的优化控制研究及 在电力系统中的应用
11.34 基于近似动态规划的优化控制研究及 在电力系统中的应用 上世纪 50 年代以来，在空间技术发展和数字计算机实用化的推动下，动态系统的优化理论得到了迅速的发展，形成了一个重要的学科分支——最优控制[1-2] 。它在空间技术、系统工程、多级工艺设备的优化等领域都有越来越广泛的应用。因而更深入研究最优控制问题，无论在理论上，还是在实践上都具有重大的意义。最优控制理论的三大基石是经典变分理论、....
《中国人工智能学会通讯》——4.20 粒计算在智能信息服务中的应用
4.20 粒计算在智能信息服务中的应用 粒计算的理论与方法在智能信息服务中的应用可以归结为处理信息系统中的数值、 文本、图像、音视频等数据，解决其中的不确定性问题。 例如，在处理图像方面，Zadeh 提出了模糊信息粒理论研究的一般框架后，Pedrycz 等[22]对信息粒间的结合进行了深入的研究，并结合数字化图像可粒化的特点，基于图像的内容信息和空间信息进行粒化。Pal 等[23] 提出了基于粒....
《中国人工智能学会通讯》——7.11 深度学习在推荐算法上的应用进展
7.11 深度学习在推荐算法上的应用进展 最近几年是深度学习发展的黄金时间，其在多个领域取得了重要进展，包括图像领域、语音领域、文本领域等。深度学习为科研工作者提供了一种非常有效的技术途径，其本质上是对数据特征进行深层次的抽象挖掘，通过大规模数据来学习有效的特征表示以及复杂映射机制，从而建立有效的数据模型。从方法上来说，深度学习具有的优点本质上是领域无关的。因此，在可预见的未来，深度学习将会作为....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
AI更多应用相关
产品推荐
人工智能平台PAI
人工智能平台 PAI（Platform for AI，原机器学习平台PAI）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务，内置140+种优化算法，具备丰富的行业场景插件，为用户提供低门槛、高性能的云原生AI工程化能力。
+关注