| Título : |
A Practical Guide to Hybrid Natural Language Processing : Combining Neural Models and Knowledge Graphs for NLP |
| Tipo de documento: |
documento electrónico |
| Autores: |
Gomez-Perez, Jose Manuel, Autor ; Denaux, Ronald, Autor ; Garcia-Silva, Andres, Autor |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2020 |
| Número de páginas: |
XXV, 268 p. 376 ilustraciones, 9 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-030-44830-1 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Inteligencia artificial Software de la aplicacion Procesamiento del lenguaje natural (Informática) Aplicaciones informáticas y de sistemas de información Procesamiento del lenguaje natural (PNL) |
| Índice Dewey: |
006.3 Inteligencia artificial |
| Resumen: |
Este libro proporciona a los lectores una guía práctica sobre los principios de los enfoques híbridos para el procesamiento del lenguaje natural (PNL) que implican una combinación de métodos neuronales y gráficos de conocimiento. Con este fin, primero presenta los componentes principales y luego describe cómo se pueden integrar para respaldar la implementación efectiva de aplicaciones de PNL en el mundo real. Para ilustrar las ideas descritas, el libro también incluye un conjunto completo de experimentos y ejercicios que involucran diferentes algoritmos en una selección de dominios y corpus en diversas tareas de PNL. En todo momento, los autores muestran cómo aprovechar las representaciones complementarias que surgen del análisis de corpus de texto no estructurados, así como las entidades y relaciones descritas explícitamente en un gráfico de conocimiento, cómo integrar dichas representaciones y cómo utilizar las características resultantes para resolver eficazmente las tareas de PNL. en una variedad de dominios. Además, el libro ofrece acceso a código ejecutable con ejemplos, ejercicios y aplicaciones del mundo real en dominios clave, como análisis de desinformación y comprensión de lectura automática de literatura científica. Todos los ejemplos y ejercicios propuestos en el libro están disponibles como cuadernos Jupyter ejecutables en un repositorio de GitHub. Todos están listos para ejecutarse en Google Colaboratory o, si se prefiere, en un entorno local. Este libro, un recurso valioso para cualquier persona interesada en la interacción entre los enfoques neuronales y basados en el conocimiento de la PNL, es una guía útil para lectores con experiencia en representaciones estructuradas de conocimiento, así como para aquellos cuyo enfoque principal de la IA se basa fundamentalmente en la lógica. Además, atraerá a aquellos cuya experiencia principal se encuentra en las áreas de aprendizaje automático y profundo que buscan formas de aprovechar las bases de conocimiento estructuradas para optimizar los resultados a lo largo del proceso de PNL. |
| Nota de contenido: |
Part I: Preliminaries and Building Blocks -- Hybrid Natural Language Processing: An Introduction -- Word, Sense, and Graph Embeddings -- UnderstandingWord Embeddings and Language Models -- Capturing Meaning from Text asWord Embeddings -- Capturing Knowledge Graph Embeddings -- Part II: Combining Neural Architectures and Knowledge Graphs -- Building Hybrid Representations from Text Corpora, Knowledge Graphs, and Language Models -- Quality Evaluation -- Capturing Lexical, Grammatical, and Semantic Information with Vecsigrafo -- Aligning Embedding Spaces and Applications for Knowledge Graphs -- Part III: Applications -- A Hybrid Approach to Disinformation Analysis -- Jointly Learning Text and Visual Information in the Scientific Domain -- Looking into the Future of Natural Language Processing. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
A Practical Guide to Hybrid Natural Language Processing : Combining Neural Models and Knowledge Graphs for NLP [documento electrónico] / Gomez-Perez, Jose Manuel, Autor ; Denaux, Ronald, Autor ; Garcia-Silva, Andres, Autor . - 1 ed. . - [s.l.] : Springer, 2020 . - XXV, 268 p. 376 ilustraciones, 9 ilustraciones en color. ISBN : 978-3-030-44830-1 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Inteligencia artificial Software de la aplicacion Procesamiento del lenguaje natural (Informática) Aplicaciones informáticas y de sistemas de información Procesamiento del lenguaje natural (PNL) |
| Índice Dewey: |
006.3 Inteligencia artificial |
| Resumen: |
Este libro proporciona a los lectores una guía práctica sobre los principios de los enfoques híbridos para el procesamiento del lenguaje natural (PNL) que implican una combinación de métodos neuronales y gráficos de conocimiento. Con este fin, primero presenta los componentes principales y luego describe cómo se pueden integrar para respaldar la implementación efectiva de aplicaciones de PNL en el mundo real. Para ilustrar las ideas descritas, el libro también incluye un conjunto completo de experimentos y ejercicios que involucran diferentes algoritmos en una selección de dominios y corpus en diversas tareas de PNL. En todo momento, los autores muestran cómo aprovechar las representaciones complementarias que surgen del análisis de corpus de texto no estructurados, así como las entidades y relaciones descritas explícitamente en un gráfico de conocimiento, cómo integrar dichas representaciones y cómo utilizar las características resultantes para resolver eficazmente las tareas de PNL. en una variedad de dominios. Además, el libro ofrece acceso a código ejecutable con ejemplos, ejercicios y aplicaciones del mundo real en dominios clave, como análisis de desinformación y comprensión de lectura automática de literatura científica. Todos los ejemplos y ejercicios propuestos en el libro están disponibles como cuadernos Jupyter ejecutables en un repositorio de GitHub. Todos están listos para ejecutarse en Google Colaboratory o, si se prefiere, en un entorno local. Este libro, un recurso valioso para cualquier persona interesada en la interacción entre los enfoques neuronales y basados en el conocimiento de la PNL, es una guía útil para lectores con experiencia en representaciones estructuradas de conocimiento, así como para aquellos cuyo enfoque principal de la IA se basa fundamentalmente en la lógica. Además, atraerá a aquellos cuya experiencia principal se encuentra en las áreas de aprendizaje automático y profundo que buscan formas de aprovechar las bases de conocimiento estructuradas para optimizar los resultados a lo largo del proceso de PNL. |
| Nota de contenido: |
Part I: Preliminaries and Building Blocks -- Hybrid Natural Language Processing: An Introduction -- Word, Sense, and Graph Embeddings -- UnderstandingWord Embeddings and Language Models -- Capturing Meaning from Text asWord Embeddings -- Capturing Knowledge Graph Embeddings -- Part II: Combining Neural Architectures and Knowledge Graphs -- Building Hybrid Representations from Text Corpora, Knowledge Graphs, and Language Models -- Quality Evaluation -- Capturing Lexical, Grammatical, and Semantic Information with Vecsigrafo -- Aligning Embedding Spaces and Applications for Knowledge Graphs -- Part III: Applications -- A Hybrid Approach to Disinformation Analysis -- Jointly Learning Text and Visual Information in the Scientific Domain -- Looking into the Future of Natural Language Processing. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsquedaExploiting Linked Data and Knowledge Graphs in Large Organisations / Pan, Jeff Z. ; Vetere, Guido ; Gomez-Perez, Jose Manuel ; Wu, Honghan
