本書面向計算機(jī)科學(xué)、信息科學(xué)、認(rèn)知科學(xué)、語言學(xué)等專業(yè)的本科生、研究生、研究學(xué)者或者軟件研發(fā)人員，由淺入深、跨學(xué)科地介紹了認(rèn)知概念信息量、基于認(rèn)知概念信息增益的文本信息量計算方法、融合認(rèn)知概念信息權(quán)重的全文本信息量計算方法，一步一步實現(xiàn)了基于認(rèn)知概念信息量的文本語義相似度的模型。該模型在國際權(quán)威測評SemEval 2017STS任務(wù)的34個參賽團(tuán)隊提交81個測評系統(tǒng)中，總成績在所有參賽團(tuán)隊中排名第二，在Track 1數(shù)據(jù)集上排名第一，相關(guān)模型論文更是被會議評選為“Best of SemEval 2017”。
本書模型建立在認(rèn)知概念網(wǎng)絡(luò)基礎(chǔ)上，計算方法接近人類的思維習(xí)慣，更加符合人工智能初衷。本書模型具有可解釋性，參數(shù)含義十分明確，易于根據(jù)應(yīng)用領(lǐng)域或場景調(diào)優(yōu)性能，具有優(yōu)良的發(fā)展前景。本書研究方法另辟蹊徑，在深度學(xué)習(xí)大行其道的今天對相關(guān)研究人員是不失為一種啟發(fā)和補(bǔ)充。