《中国人工智能学会通讯》——第6章 6.1 基于深度学习技术的知识图谱构建技术研究
第6章 6.1 基于深度学习技术的知识图谱构建技术研究 随着互联网、云计算等技术的发展，信息资源不断丰富，人们的知识需求也有所增长。如何正确理解知识需求，定位和提取相关的知识，并提供有效的知识服务，是知识工程的重要研究问题。其中，知识图谱作为目前主流的知识工程基础技术，支撑着包括智能搜索、智能问答、个性化推荐等多种知识服务，涉及到知识表示、知识获取、知识融合、知识推理等关键技术。 知识图谱是对知....
《中国人工智能学会通讯》——第3章 3.1基于深度学习的网络表示研究进展
第3章 3.1基于深度学习的网络表示研究进展 网络结构在现实世界中无处不在（如航线网络、通信网络、论文引用网络、世界万维网和社交网络等），在此基础之上的应用和研究问题受到了学术界和工业界的广泛关注，这些研究问题包括链接预测[1] 、网络节点分类 [2-3] 、推荐 [4]和异常检测[5]等。随着计算机信息技术的高速发展和迅速普及，现实世界中的网络结构，尤其是以 Twitter、Facebook和....
《中国人工智能学会通讯》——2.26 基于深度学习的机器翻译研究进展
2.26 基于深度学习的机器翻译研究进展 机器翻译研究如何利用计算机实现自然语言的自动转换，是人工智能和自然语言处理的重要研究领域之一。机器翻译大致可分为理性主义和经验主义两类方法。 基于理性主义的机器翻译方法 , 主张由人类专家通过编纂规则的方式 , 将自然语言之间的转换规律“传授”给计算机。这种方法的主要优点是能够显式描述深层次的语言转换规律。然而，理性主义方法对于人类专家的要求非常高，不仅....
《中国人工智能学会通讯》——1.31 深度学习 在自然语言处理研究上的进展
1.31 深度学习 在自然语言处理研究上的进展 近年来，深度学习在人工智能的多个子领域都取得了显著的进展。在自然语言处理领域，虽然深度学习方法也收到越来越多的关注，在很多任务上也取得了一定效果，但是并没有其他领域那么显著。传统的主流自然语言处理方法是基于统计机器学习的方法，所使用的特征大多数是基于 onehot 向量表示的各种组合特征。这个特征表示方式会导致特征空间非常大，但也带来一个优点。就是....
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。
深度学习人工智能相关内容
- 人工智能深度学习卷积
- 人工智能入门深度学习
- 人工智能浪潮深度学习
- 人工智能深度学习自然语言处理
- 人工智能深度学习模型训练
- 人工智能深度学习融合
- 人工智能深度学习平台
- 人工智能深度学习入门
- 人工智能深度学习篇章
- 深度学习人工智能视频
- 深度学习人工智能技术
- 人工智能深度学习神经网络
- 智能引擎深度学习人工智能
- 人工智能深度学习区别
- 深度学习人工智能学习
- 人工智能深度学习计算机视觉
- 人工智能深度学习强化学习
- 数据科学人工智能深度学习
- 人工智能深度学习统计
- 人工智能深度学习cuda
- 深度学习通往人工智能
- 人工智能通讯深度学习
- 人工智能负责人深度学习
- 人工智能通讯深度学习推荐系统
- 人工智能通讯知识图谱遇见深度学习
智能搜索推荐
智能推荐（Artificial Intelligence Recommendation，简称AIRec）基于阿里巴巴大数据和人工智能技术，以及在电商、内容、直播、社交等领域的业务沉淀，为企业开发者提供场景化推荐服务、全链路推荐系统开发平台、工程引擎组件库等多种形式服务，助力在线业务增长。
+关注