Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment
ElektronikMedien
Tipps & News
AppleAlle anzeigen
TabletsAlle anzeigen
HandyAlle anzeigen
Fairphone
AppleAlle anzeigen
iPhone Air Generation
GoogleAlle anzeigen
Pixel Fold
HonorAlle anzeigen
HuaweiAlle anzeigen
Honor SerieY-Serie
NothingAlle anzeigen
OnePlusAlle anzeigen
OnePlus 11 GenerationOnePlus 12 Generation
SamsungAlle anzeigen
Galaxy XcoverWeitere Modelle
SonyAlle anzeigen
Weitere Modelle
XiaomiAlle anzeigen
Weitere Modelle
Tablets & eBook ReaderAlle anzeigen
Google
AppleAlle anzeigen
HuaweiAlle anzeigen
MatePad Pro Serie
MicrosoftAlle anzeigen
XiaomiAlle anzeigen
Kameras & ZubehörAlle anzeigen
ObjektiveAlle anzeigen
System & SpiegelreflexAlle anzeigen
WearablesAlle anzeigen
Fitness TrackerAlle anzeigen
SmartwatchesAlle anzeigen
Xiaomi
Konsolen & ZubehörAlle anzeigen
Lenovo Legion GoMSI Claw
NintendoAlle anzeigen
Nintendo Switch Lite
PlayStationAlle anzeigen
XboxAlle anzeigen
Audio & HiFiAlle anzeigen
KopfhörerAlle anzeigen
FairphoneGoogle
LautsprecherAlle anzeigen
Beats by Dr. DreGoogleYamahatonies
iPodAlle anzeigen

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Knowledge Graph Reasoning

Kewei Cheng, Yizhou Sun (Gebundene Ausgabe, Englisch)

Keine Bewertungen vorhanden
Optischer Zustand
Beschreibung
This book provides a coherent and unifying view for logic and representation learning to contribute to knowledge graph (KG) reasoning and produce better computational tools for integrating both worlds. To this end, logic and deep neural network models are studied together as integrated models of computation. This book is written for readers who are interested in KG reasoning and the new perspective of neuro-symbolic integration and have prior knowledge to neural networks and deep learning. The authors first provide a preliminary introduction to logic and background knowledge closely related to the surveyed techniques such as the introduction of knowledge graph and ontological schema and the technical foundations of first-order logic learning. Reasoning techniques for knowledge graph completion are presented from three perspectives, including: representation learning-based, logical, and neuro-symbolic integration. The book then explores question answering on KGs with specific focus on multi-hop and complex-logic query answering before outlining work that addresses the rule learning problem. The final chapters highlight foundations on ontological schema and introduce its usage in KG before closing with open research questions and a discussion on the potential directions in the future of the field.
Dieses Produkt haben wir gerade leider nicht auf Lager.
ab 34,99 €
Derzeit nicht verfügbar
Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Technische Daten


Erscheinungsdatum
22.11.2024
Sprache
Englisch
EAN
9783031720079
Herausgeber
Springer International Publishing
Serien- oder Bandtitel
Synthesis Lectures on Data, Semantics, and Knowledge
Sonderedition
Nein
Autor
Kewei Cheng, Yizhou Sun
Seitenanzahl
196
Einbandart
Gebundene Ausgabe
Buch Untertitel
A Neuro-Symbolic Perspective
Schlagwörter
Knowledge Graph Embedding, Knowledge Graph Reasoning, Logical Query Representation, Neural Symbolic Reasoning, Knowledge Graph Ontology
Thema-Inhalt
UN - Datenbanken UMB - Algorithmen und Datenstrukturen GPF - Informationstheorie GPJ - Kodierungstheorie und Verschlüsselung (Kryptologie) UYQ - Künstliche Intelligenz QDTJ - Philosophie: Metaphysik und Ontologie
Höhe
240 mm
Breite
16.8 cm

Hersteller: Springer, Europaplatz 3, Heidelberg, Deutschland, 69115, ProductSafety@springernature.com, Springer Nature Customer Service Center GmbH

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

-.-
Leider noch keine Bewertungen
Leider noch keine Bewertungen
Schreib die erste Bewertung für dieses Produkt!
Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!