共找到 30 项 “电子工业出版社 2021-08-01” 相关结果
信息素养与信息资源检索
作者： 王清晨 等
出版社：电子工业出版社 2021-08-01
简介：
人工智能实践教程——从Python入门到机器学习
作者： 邵一川
简介：本书分为三部分，部分介绍Python编程，包括Python基础、Python面向对象和Python高级编程；第二部分介绍机器学习，包括机器学习概述、机器学习?经典算法和机器学习?回归算法；第三部分介绍神经网络，包括从感知机到神经网络、神经网络?反向传播算法、神经网络的训练方法、卷积神经网络和项目实例-表情识别。从模型构造到模型训练，本书全面介绍了人工智能相关内容及人工智能在计算机视觉、自然语言处理中的应用，不仅阐述算法原理，还基于Python语言实现了算法。本书的每个知识点都给出了与之对应的程序，读者不但能直接阅读，而且可以运行程序，以获得交互式的学习体验。本书面向希望了解人工智能，特别是对实际应用人工智能感兴趣的本科生、研究生、工程师和研究人员，可作为高等院校人工智能课程的教材。【目录】目录 部分 Python编程 第1章 Python基础 3 1.1 Python简介及开发环境搭建 3 1.1.1 Python的安装 3 1.1.2 集成开发环境 4 1.2 Python变量标识符和关键字 7 1.2.1 变量定义 7 1.2.2 变量的类型 8 1.2.3 变量的命名 11 1.3 Python运算符 13 1.3.1 算术运算符 13 1.3.2 比较（关系）运算符 13 1.3.3 逻辑运算符 14 1.3.4 赋值运算符 14 1.3.5 运算符的优先级 14 1.4 Python分支与循环 15 1.4.1 条件语句 15 1.4.2 循环语句 17 1.4.3 随机数的处理 21 1.5 Python函数 22 1.5.1 函数定义 23 1.5.2 函数的参数 24 1.5.3 函数的返回值 25 1.5.4 函数作用域 26 1.5.5 匿名函数 27 1.5.6 内置函数 28 1.5.7 函数式编程 31 1.5.8 将函数存储在模块中 33 1.5.9 函数文档字符串 35 第2章 Python面向对象 36 2.1 面向对象基本特征 36 2.2 类的定义 37 2.2.1 定义只包含方法的类 37 2.2.2 面向对象程序举例 37 2.3 self参数 37 2.3.1 给对象设置属性 38 2.3.2 理解self参数到底是什么 38 2.4 __init__方法 38 2.5 __str__方法 39 2.6 面向过程和面向对象 40 2.7 私有属性——封装 43 2.8 将实例用作属性-对象组合 43 2.9 类属性、类方法、静态方法 46 2.10 继承 49 2.11 __new__方法 52 2.12 所有Python类型的父类 53 2.13 单例模式 54 2.14 参数注解 54 第3章 Python高级编程 56 3.1 Python闭包和装饰器 56 3.1.1 闭包 56 3.1.2 装饰器 57 3.1.3 被装饰的函数有返回值 60 3.1.4 装饰器带参数 61 3.1.5 多个装饰器装饰同一个函数 62 3.1.6 基于类实现的装饰器 63 3.2 Python可迭代对象、迭代器及生成器 64 3.2.1 可迭代对象 65 3.2.2 迭代器 68 3.2.3 生成器 71 3.3 Python内置方法 78 3.3.1 构造和初始化 78 3.3.2 属性访问控制 79 3.3.3 描述符 79 3.3.4 构造自定义容器（Container） 83 3.3.5 上下文管理器 84 3.3.6 比较运算 87 3.3.7 __str__和__repr__方法 89 3.3.8 内置方法之__call__ 92 第二部分 机器学习 第4章 机器学习概述 95 4.1 机器学习分类 95 4.2 常用的机器学习算法 96 4.3 机器学习的步骤 97 4.3.1 问题定义 97 4.3.2 数据采集 98 4.3.3 数据准备 98 4.3.4 数据分割 99 4.3.5 算法的选择与训练 99 4.3.6 算法的使用 100 第5章 机器学习?经典算法 110 5.1 主成分分析 110 5.1.1 主成分分析简介 110 5.1.2 使用梯度上升法实现主成分分析 113 5.1.3 选取数据的前k个主成分 117 5.1.4 高维数据向低维数据映射 120 5.1.5 使用主成分分析对数据进行降维可视化 125 5.2 K-Means算法 128 5.2.1 K-Means算法原理 129 5.2.2 K-Means程序实例 131 5.2.3 MiniBatch算法 133 5.2.4 K-Means 算法分析 134 5.3 KNN算法 138 5.3.1 KNN算法的原理 138 5.3.2 KNN算法程序实例 138 5.4 梯度下降法 140 5.4.1 一维梯度下降法 140 5.4.2 多维梯度下降法 141 第6章 机器学习?回归算法 144 6.1 线性回归 144 6.1.1 线性回归简介 144 6.1.2 简单线性回归的小二乘法推导过程 145 6.1.3 衡量线性回归的指标 150 6.1.4 多元线性回归简介 157 6.2 多项式回归 161 6.2.1 多项式回归的概念 161 6.2.2 scikit-learn中的多项式回归和Pipeline 165 6.2.3 过拟合和欠拟合 166 6.2.4 训练数据和测试数据 170 6.2.5 学习曲线 172 6.2.6 交叉验证 175 6.2.7 模型正则化 179 6.2.8 岭回归和 LASSO 回归 179 第三部分 神经网络 第7章 从感知机到神经网络 189 7.1 感知机 189 7.1.1 简单逻辑电路 190 7.1.2 感知机的实现 191 7.1.3 感知机的局限性 193 7.1.4 多层感知机 195 7.2 神经网络 197 7.2.1 神经网络举例 197 7.2.2 感知机知识回顾 197 7.2.3 激活函数初探 198 7.3 激活函数 199 7.3.1 阶跃函数 199 7.3.2 Sigmoid函数 199 7.3.3 阶跃函数的实现 200 7.3.4 Sigmoid函数的实现 201 7.3.5 比较Sigmoid函数和阶跃函数 202 7.3.6 ReLU函数 203 7.4 多维数组的运算 204 7.4.1 多维数组 204 7.4.2 矩阵乘法 205 7.4.3 神经网络乘积 207 7.5 神经网络的实现 208 7.5.1 符号确认 209 7.5.2 各层间信号传递的实现 209 7.5.3 代码实现小结 212 7.6 输出层的设计 213 7.6.1 恒等函数和Softmax函数 213 7.6.2 实现Softmax函数的注意事项 214 7.6.3 Softmax函数的性质 215 7.6.4 输出层的神经元数量 216 7.7 手写数字识别 216 7.7.1 MNIST数据集 216 7.7.2 神经网络的推理处理 218 7.7.3 批处理 220 第8章 神经网络-反向传播算法 222 8.1 计算图 222 8.1.1 用计算图求解 222 8.1.2 局部计算 223 8.1.3 为何用计算图解决问题 224 8.2 链式法则 225 8.2.1 计算图的反向传播 225 8.2.2 链式法则的原理 225 8.2.3 链式法则和计算图 226 8.3 反向传播 227 8.3.1 加法节点的反向传播 227 8.3.2 乘法节点的反向传播 229 8.3.3 “苹果”的例子 230 8.4 简单层的实现 230 8.4.1 乘法层的实现 231 8.4.2 加法层的实现 232 8.5 激活函数层的实现 233 8.5.1 ReLU层的实现 233 8.5.2 Sigmoid层的实现 234 8.6 Affine层和Softmax 层的实现 237 8.6.1 Affine层的实现 237 8.6.2 Softmax层的实现 240 8.7 误差反向传播的实现 242 8.7.1 神经网络的实现步骤 242 8.7.2 误差反向传播的神经网络的实现 242 8.7.3 误差反向传播的梯度确认 245 8.7.4 误差反向传播的神经网络的学习 246 第9章 神经网络的训练方法 247 9.1 参数的更新 247 9.1.1 化问题的困难之处 247 9.1.2 随机梯度下降 247 9.1.3 Momentum方法 250 9.1.4 AdaGrad方法 251 9.1.5 Adam方法 253 9.1.6 选择参数更新方法 253 9.2 权重初始值 255 9.2.1 可以将权重初始值设为0吗 255 9.2.2 隐藏层的激活值分布 255 9.2.3 ReLU的权重初始值 258 9.2.4 基于MNIST数据集的不同权重初始值的比较 259 9.3 BatchNormalization算法 260 9.3.1 算法原理 260 9.3.2 算法评估 261 9.4 正则化 263 9.4.1 过拟合 263 9.4.2 权重衰减 264 9.4.3 Dropout方法 265 9.5 超参数的验证 267 9.5.1 验证数据 267 9.5.2 超参数的化 268 9.5.3 超参数化的实现 269 第10章 卷积神经网络 271 10.1 整体结构 271 10.2 卷积层 272 10.2.1 全连接层存在的问题 272 10.2.2 卷积运算 272 10.2.3 填充 274 10.2.4 步幅 275 10.2.5 3维数据的卷积运算 276 10.2.6 批处理 278 10.3 池化层 279 10.4 卷积层和池化层的实现 281 10.4.1 问题简化 281 10.4.2 卷积层的实现 283 10.4.3 池化层的实现 284 10.5 卷积神经网络的实现 286 10.6 卷积神经网络的可视化 289 10.6.1 卷积层权重的可视化 289 10.6.2 基于分层结构的信息提取 290 10.7 具有代表性的卷积神经网络 291 第11章 项目实例-表情识别 293 11.1 典型的人脸表情识别数据集fer2013 293 11.1.1 fer2013人脸表情数据集简介 293 11.1.2 将表情图片提取出来 294 11.2 加载fer2013数据集 296 11.3 断点续训 298 11.3.1 Checkpoint神经网络模型 298 11.3.2 Checkpoint神经网络模型改进 298 11.3.3 Checkpoint神经网络模型 300 11.3.4 加载Checkpoint神经网络模型 301 11.4 表情识别的PyTorch实现 303 11.4.1 数据整理 303 11.4.2 简单分析 304 11.4.3 数据增强处理 304 11.4.4 模型搭建 305 11.4.5 对比几种模型的训练过程 306
高效能团队模式：支持软件快速交付的组织架构（全彩）
作者： (英)Matthew Skelton(马修·斯凯尔顿)， (西班牙)Manuel Pais(曼纽尔·派斯)
简介：高效能软件开发团队是任何组织能够持续交付价值的关键。本书主要介绍了高效能团队模式——团队拓扑，为组织设计和团队交互提供了一种实用的、分步的、适应性的模型，将团队视为交付的基础，团队结构和沟通路径能够随着技术和组织成熟度的发展而演变。在本书中，IT顾问Matthew Skelton和Manuel Pais为读者展示了软件组织设计方面的重大进展。通过行业案例和专项研究，他们设计了一种良好定义的团队间交互和关联方式，这有助于软件架构更清晰、更持续，并将团队间的问题转化为有价值信号，为自治团队提供指导。本书适合关注软件系统开发和运维过程效率的公司领导层、软件和系统架构师，以及参与到构建和运行软件系统的任何人阅读。
精力管理书：50种激发精力和轻松工作的方法
作者： (英)Richard Maddocks(理查德·马多克斯)
简介：如果你不经常给手机充电，会发生什么？不用说也能知道，手机会耗尽电量，后自动关机。你的身体和头脑也是按照同样方式运行的。想要保证它们的健康和有效运转，你需要每天都补充自己的四种个人精力——生理精力、情绪精力、精神精力、目标精力。本书涵盖了50个精力增强器，这些精力增强器包含的简单易行的练习以及能使你收益终身的行动可以帮助你轻松地给自己"充电”。一旦开始使用书中提到的精力提升器，你就会注意到你生活中的各个方面的精力都提升了。你会发现世界变得更和谐、更平衡了，而后你便会体验到更多的快乐。与此同时，你会觉得自己已经做好准备，能够迎接遇到的任何挑战。
和孩子一起学编程：用Scratch玩Minecraft我的世界（视频版）
作者： 张继春
最强iOS和macOS安全宝典
作者： (美)Jonathan Levin(乔纳森 · 列维)
简介：《强iOS和macOS安全宝典》以苹果操作系统的安全为主题，主要面向苹果高级用户、系统管理员、安全研究人员和黑客。本书主要分三个部分：部分重点介绍了苹果公司在macOS和iOS上部署的安全服务和安全防护机制，通过学习这些技术，读者可以更好地了解苹果操作系统；第二部分介绍了如何绕过这些安全机制并终实现iOS越狱。在某种意义上，可以把第二部分看成是一份迷你的“iOS黑客越狱手册”，里面介绍了历年来极经典的苹果系统漏洞和越狱程序；第三部分提供了一份macOS安全加固指南，可以帮助系统管理员和用户更好地加固自己的操作系统、从而有效地抵御黑客的攻击。
解剖深度学习原理：从0编写深度学习库
作者： 董洪伟
JonathanLevin,电子工业出版社，【正版新书 品质速发】
作者： (美)JonathanLevin
自动生产线技术应用
作者： 许红艳
Go语言底层原理剖析
作者： 郑建勋
简介：Go语言是一门年轻、简捷，但是强大、高效、充满潜力的服务器语言。本书使用浅显易懂的语言与大量图片深入介绍了Go语言编译时、类型系统、语法特性、函数调用规范、并发编程、内存管理与垃圾回收、运行状态监控等模块的使用方法和底层原理，并举例说明了构建大型软件工程需要遵循的设计规则，让作者系统并完整掌握Go语言隐藏在使用方法背后的底层细节。 本书适合有一定工作经验的开发工程师进一步提升自己，以便更好地开发软件、系统架构，并进行工作面试。也可以作为高等院校计算机专业师生学习编程语言设计原理的参考教材。
Hive数据仓库案例教程
作者： 王剑辉
Redis核心原理与实践
作者： 梁国斌
简介：本书深入地分析了Redis核心功能的内部机制与实现方式，大部分内容源自对Redis源码的分析，并从中总结出实现原理。通过阅读本书，读者可以快速、轻松地了解Redis的内部运行机制。 本书首先介绍了Redis常用的数据类型的编码格式，包括字符串、列表、散列、集合、有序集合，这是Redis存储数据的基础。接着分析了Redis的事件机制，剖析了Redis事件驱动的实现原理，通过这部分内容，读者可以了解一个远程服务程序的整体架构。本书还分析了Redis持久化、主从复制、Sentinel机制、Cluster机制的实现原理，这部分内容是Redis的核心功能。在这部分内容中，本书也会延伸分析Redis中使用的UNIX机制，如UNIX网络编程、进程通信、线程同步等，并通过Redis源码展示这些UNIX机制的使用方式。 本书后介绍了Redis的高级特性，包括事务、非阻塞删除、Lua脚本、Module模块、Stream消息流，以及Redis 6提供的ACL访问控制列表、Tracking机制等，这部分内容不仅分析内部实现，还提供了详细的使用案例，帮助读者循序渐进地了解这些特性。
DK生态学百科（全彩）
作者： 英国DK出版社
简介：《DK生态学百科（全彩）》内容简介：从精彩的生物进化的故事、令人啧啧称奇的生态过程、神秘的自然界秩序，到让人惊叹的生命的多样性，以及与人类息息相关的环境保护问题，这本书阐明了生态学的核心概念，有助于我们理解地球上不可思议的自然系统是如何运作的。从詹姆斯?洛夫洛克的盖亚假说、诺曼?迈尔斯对即将到来的物种大规模灭绝的警告，到蕾切尔?卡逊揭露有毒农药有害影响的著作，本书将帮助你快速了解那些影响生态学发展进程的重要人物的思想和观点。精美的插图，易读的文风，简洁的语言，让复杂的概念变得简单易懂。你可能没有接触过生态学这门学科，或者你已经是这个领域的专业人士，翻开这本书，你都一定会找到你的兴趣点，在阅读的过程中获得丰富的知识。
生成艺术——Processing视觉创意入门
作者： 华好
简介：本书手把手地教读者利用Processing工具编程，并进行生成艺术的创作。本书分为两个部分，共8章。基础部分介绍了Java语言的基础知识、Processing的绘图方法及各种常见技巧；进阶部分重点介绍了几何向量、吸引子、离散动态系统、迭代分形4个专题，深入浅出地展示了数字化艺术的奥妙。本书适用于零基础的读者自学编程，可作为生成艺术爱好者的参考书，也可作为非计算机专业教材使用。
B端运营——用户增长策略与实战
作者： 刘宇航 著
简介：本书围绕To B行业的运营和用户增长，从B端产品全生命周期发展的角度出发，重点阐述了B端产品运营的基本概念、基本流程、基本方法及常用的工具。本书对建立To B企业运营体系，保障用户持续增长，提出了可行的方法论和实操路径。对入局To B行业的从业者来说，阅读本书可以快速建立运营框架，厘清运营流程。本书是一本实践性强、易上手的B端运营指导书。本书适合To B行业从业者，以及即将入局To B行业的企业管理者、运营人员、市场人员、销售人员、售前人员、产品经理等阅读。
工业级知识图谱：方法与实践
作者： 张伟 陈华钧 张亦弛
简介：本书源于阿里巴巴千亿级知识图谱构建与产业化应用的工作总结，对知识图谱理论和大规模工业实践进行了全面和深入的阐述。本书以阿里巴巴的实战经验为中心，以深厚的理论成果为支撑，详细阐述了知识图谱的方方面面。首先介绍工业场景下知识图谱的现状、存在的问题和架构设计；然后从知识表示、知识融合、知识获取、知识推理、知识存储和知识图谱前沿方向等方面入手，介绍大规模商品知识图谱的构建方法；后结合阿里巴巴的业务实践，详细介绍知识图谱的产品设计、技术实现和业务应用细节。通过阅读本书，读者不仅可以从零开始认识知识图谱，了解知识图谱技术方法和前沿技术方向，而且可以熟悉知识图谱工业实践的实现路径，清楚知识图谱的应用方向和方法。本书介绍的成果获得钱伟长中文信息处理科学技术一等奖。本书在知识图谱的广度和深度上兼具极强的参考性，适合人工智能相关行业的管理者和研发人员、高等院校的计算机专业学生阅读。【目录】目 录 第1章 工业级知识图谱概述 / 1 1.1 知识图谱概述 / 2 1.1.1 通用知识图谱 / 2 1.1.2 行业知识图谱 / 3 1.2 工业级知识图谱实战原则 / 4 1.2.1 实践中的典型问题 / 4 1.2.2 实战原则 / 4 1.3 阿里巴巴知识引擎技术架构 / 8 1.3.1 平台产品：知识建模与管理 / 9 1.3.2 平台产品：知识生产 / 11 1.3.3 业务、平台产品：知识服务 / 16 1.4 本章小结 / 19 第2章 商品知识的表示和建模 / 20 2.1 知识表示简介 / 21 2.1.1 基于符号逻辑的知识表示方法 / 21 2.1.2 面向互联网的知识表示方法 / 23 2.1.3 基于连续向量的知识表示 / 25 2.2 行业知识建模 / 27 2.2.1 基于专家的知识建模 / 27 2.2.2 基于机器学习的知识建模 / 29 2.3 商品知识建模实践 / 32 2.3.1 术语抽取 / 33 2.3.2 商品概念及上下位关系生成 / 36 2.4 构建商品知识体系 / 37 2.4.1 通用域知识图谱 / 37 2.4.2 阿里商品域知识体系 / 39 2.5 商品知识建模应用场景 / 48 2.5.1 服务国家和社会机构应用 / 48 2.5.2 零售业务应用 / 49 2.6 小结 / 50 2.6.1 知识建模技术的未来发展 / 50 2.6.2 知识体系设计的未来发展 / 51 第3章 商品知识融合 / 53 3.1 知识融合概述 / 54 3.1.1 知识融合的主要难点 / 54 3.1.2 知识融合的基本步骤 / 55 3.2 本体对齐 / 57 3.2.1 基于语言学特征的方法 / 58 3.2.2 基于结构特征的方法 / 61 3.2.3 商品知识图谱本体对齐算法 / 63 3.3 实体对齐 / 70 3.3.1 实体对齐的流程 / 70 3.3.2 实体对齐的技术路线 / 71 3.3.3 商品知识图谱实体对齐实践 / 80 3.4 信息融合 / 91 3.4.1 无监督的信息融合方法 / 92 3.4.2 有监督和半监督的信息融合方法 / 99 3.4.3 商品知识图谱信息融合算法实践 / 100 3.5 跨语言知识融合 / 103 3.5.1 跨语言知识融合的挑战 / 103 3.5.2 跨语言实体对齐的技术路线 / 104 3.5.3 基于规则的跨语言实体对齐方法 / 104 3.5.4 基于翻译的跨语言实体对齐方法 / 105 3.5.5 基于表示学习的跨语言实体对齐方法 / 107 3.6 知识融合质量评估体系 / 110 3.6.1 知识融合评估指标介绍 / 110 3.6.2 离线融合效果评估 / 112 3.6.3 在线融合效果评估 / 117 3.7 本章小结 / 119 第4章 商品知识获取 / 120 4.1 知识获取概述 / 121 4.1.1 知识获取相关任务 / 121 4.1.2 知识获取相关测评会议 / 123 4.2 命名实体识别 / 125 4.2.1 命名实体识别概览 / 125 4.2.2 标注体系及常用数据集 / 126 4.2.3 基于规则的命名实体识别 / 128 4.2.4 基于统计模型的命名实体识别 / 128 4.2.5 基于神经网络的实体识别 / 130 4.3 实体链接 / 133 4.3.1 实体链接概述 / 133 4.3.2 候选实体生成 / 133 4.3.3 候选实体排序 / 135 4.3.4 端到端的实体链接方法 / 138 4.4 关系抽取 / 139 4.4.1 关系抽取概述 / 139 4.4.2 基于模板的关系抽取方法 / 140 4.4.3 基于监督学习的关系抽取方法 / 140 4.4.4 基于半监督学习的关系抽取方法 / 149 4.4.5 基于无监督学习的关系抽取方法 / 154 4.5 槽填充与属性补全 / 156 4.5.1 槽填充与属性补全概述 / 156 4.5.2 基于模板的方法 / 158 4.5.3 基于关系分类的方法 / 160 4.6 面向半结构化数据的知识获取 / 160 4.6.1 百科类网站数据抽取 / 160 4.6.2 面向Web网页的知识获取 / 161 4.7 低资源条件下知识获取 / 162 4.7.1 基于监督学习和弱监督学习的方法 / 163 4.7.2 基于迁移学习的方法 / 163 4.7.3 基于元学习的方法 / 164 4.7.4 基于知识增强的方法 / 165 4.8 电商领域知识获取实践 / 166 4.8.1 电商知识获取框架 / 166 4.8.2 面向场景导购的知识获取示例 / 169 4.8.3 低资源商品知识获取示例 / 177 4.9 本章小结 / 180 第5章 商品知识推理 / 182 5.1 知识推理概述 / 183 5.1.1 知识推理的作用 / 183 5.1.2 专家系统与知识推理 / 184 5.1.3 神经网络与知识推理 / 185 5.2 基于符号逻辑的知识推理 / 186 5.2.1 基于本体的知识推理方法 / 187 5.2.2 基于规则的知识推理方法 / 191 5.2.3 基于规则学习的知识图谱推理 / 197 5.3 基于表示学习的知识推理 / 200 5.3.1 基于分布式表示的知识推理 / 200 5.3.2 基于神经网络的知识推理 / 210 5.4 基于图数据库的商品知识推理引擎工程实践 / 218 5.4.1 技术框架简介 / 219 5.4.2 与传统规则推理引擎的对比 / 223 5.5 可解释的商品知识图谱推理应用实践 / 226 5.5.1 电商应用背景 / 226 5.5.2 技术实践方案 / 228 5.5.3 实验结果及案例分析 / 233 5.6 基于强化学习的商品规则学习与推理应用实践 / 236 5.6.1 电商应用背景 / 236 5.6.2 技术实践方案 / 238 5.6.3 实验结果及案例分析 / 240 5.7 本章小结 / 241 第6章 知识图谱的存储、服务与质量 / 243 6.1 知识图谱的存储 / 244 6.1.1 数据模型 / 244 6.1.2 存储系统选型 / 247 6.1.3 图查询语言 / 252 6.1.4 关键技术与选择 / 254 6.2 知识图谱的服务 / 257 6.2.1 基于知识图谱的搜索 / 258 6.2.2 基于知识图谱的 / 264 6.2.3 搜索在业务智能中的应用 / 274 6.2.4 基于知识图谱的问答系统 / 278 6.3 知识图谱质量保障 / 281 6.3.1 质量保障架构 / 281 6.3.2 测试原则与方法 / 282 6.4 本章小结 / 284 第7章 大规模商品知识图谱 预训练 / 285 7.1 知识预训练概述 / 286 7.1.1 预训练语言模型 / 286 7.1.2 知识图谱中的结构化上下文信息 / 288 7.1.3 基于知识增强的预训练模型 / 289 7.1.4 预训练知识图谱模型与预训练语言模型的区别 / 293 7.2 商品知识图谱静态预训练模型 / 294 7.2.1 预训练知识图谱查询框架 / 294 7.2.2 预训练知识图谱查询模块 / 295 7.2.3 预训练知识图谱查询服务 / 296 7.2.4 在任务模块中使用查询服务 / 297 7.3 商品知识图谱动态预训练模型 / 299 7.3.1 上下文模块和整合模块 / 299 7.3.2 预训练阶段和微调阶段 / 301 7.4 商品知识图谱预训练实践案例 / 303 7.4.1 基于知识图谱预训练的商品分类 / 304 7.4.2 基于知识图谱预训练的商品对齐 / 309 7.4.3 基于知识图谱预训练的商品 / 312 7.4.4 基于商品知识预训练的实体识别 / 316 7.4.5 基于商品知识预训练的关系抽取与属性补齐 / 318 7.4.6 基于商品知识预训练的标题生成 / 324 7.5 总结与展望 / 325 参考文献 / 326
射频电路设计——理论与应用（第二版）
作者： (美)Reinhold Ludwig(赖因霍尔德 · 路德维格), Gene Bogdanov(吉恩 · 波格丹诺夫)
吉田诚治作品集&透视技法大公开（全彩）
作者： (日)吉田诚治
简介：商稿×原创×草图×灵感来源×访谈治愈系画家吉田诚治令人期待的作品集&绘画技巧完全公开！掌握好用的透视技巧，以及如何不用透视技巧也能画出符合透视的好背景？从不懂透视法也能画出正确透视效果的方法，到即便熟练掌握透视的人也容易出现失误的陷阱，作者在本书中将一一为你讲解。本书包含57幅精美原画 详细的透视技法讲解 工作室采访三个部分的内容。希望通过本书，能够帮助到大家更好地享受绘画的乐趣！
电子工业出版社 2021-08-01
