计算机 类型
可以朗读 语音朗读
243千字 字数
2021-08-01 发行日期
展开全部

主编推荐语

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。

内容简介

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。

最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。

目录

  • 版权信息
  • 内容简介
  • 序
  • 前言
  • 第1章 工业级知识图谱概述
  • 1.1 知识图谱概述
  • 1.1.1 通用知识图谱
  • 1.1.2 行业知识图谱
  • 1.2 工业级知识图谱实战原则
  • 1.2.1 实践中的典型问题
  • 1.2.2 实战原则
  • 1.3 阿里巴巴知识引擎技术架构
  • 1.3.1 平台产品：知识建模与管理
  • 1.3.2 平台产品：知识生产
  • 1.3.3 业务、平台产品：知识服务
  • 1.4 本章小结
  • 第2章 商品知识的表示和建模
  • 2.1 知识表示简介
  • 2.1.1 基于符号逻辑的知识表示方法
  • 2.1.2 面向互联网的知识表示方法
  • 2.1.3 基于连续向量的知识表示
  • 2.2 行业知识建模
  • 2.2.1 基于专家的知识建模
  • 2.2.2 基于机器学习的知识建模
  • 2.3 商品知识建模实践
  • 2.3.1 术语抽取
  • 2.3.2 商品概念及上下位关系生成
  • 2.4 构建商品知识体系
  • 2.4.1 通用域知识图谱
  • 2.4.2 阿里商品域知识体系
  • 2.5 商品知识建模应用场景
  • 2.5.1 服务国家和社会机构应用
  • 2.5.2 零售业务应用
  • 2.6 小结
  • 2.6.1 知识建模技术的未来发展
  • 2.6.2 知识体系设计的未来发展
  • 第3章 商品知识融合
  • 3.1 知识融合概述
  • 3.1.1 知识融合的主要难点
  • 3.1.2 知识融合的基本步骤
  • 3.2 本体对齐
  • 3.2.1 基于语言学特征的方法
  • 3.2.2 基于结构特征的方法
  • 3.2.3 商品知识图谱本体对齐算法
  • 3.3 实体对齐
  • 3.3.1 实体对齐的流程
  • 3.3.2 实体对齐的技术路线
  • 3.3.3 商品知识图谱实体对齐实践
  • 3.4 信息融合
  • 3.4.1 无监督的信息融合方法
  • 3.4.2 有监督和半监督的信息融合方法
  • 3.4.3 商品知识图谱信息融合算法实践
  • 3.5 跨语言知识融合
  • 3.5.1 跨语言知识融合的挑战
  • 3.5.2 跨语言实体对齐的技术路线
  • 3.5.3 基于规则的跨语言实体对齐方法
  • 3.5.4 基于翻译的跨语言实体对齐方法
  • 3.5.5 基于表示学习的跨语言实体对齐方法
  • 3.6 知识融合质量评估体系
  • 3.6.1 知识融合评估指标介绍
  • 3.6.2 离线融合效果评估
  • 3.6.3 在线融合效果评估
  • 3.7 本章小结
  • 第4章 商品知识获取
  • 4.1 知识获取概述
  • 4.1.1 知识获取相关任务
  • 4.1.2 知识获取相关测评会议
  • 4.2 命名实体识别
  • 4.2.1 命名实体识别概览
  • 4.2.2 标注体系及常用数据集
  • 4.2.3 基于规则的命名实体识别
  • 4.2.4 基于统计模型的命名实体识别
  • 4.2.5 基于神经网络的实体识别
  • 4.3 实体链接
  • 4.3.1 实体链接概述
  • 4.3.2 候选实体生成
  • 4.3.3 候选实体排序
  • 4.3.4 端到端的实体链接方法
  • 4.4 关系抽取
  • 4.4.1 关系抽取概述
  • 4.4.2 基于模板的关系抽取方法
  • 4.4.3 基于监督学习的关系抽取方法
  • 4.4.4 基于半监督学习的关系抽取方法
  • 4.4.5 基于无监督学习的关系抽取方法
  • 4.5 槽填充与属性补全
  • 4.5.1 槽填充与属性补全概述
  • 4.5.2 基于模板的方法
  • 4.5.3 基于关系分类的方法
  • 4.6 面向半结构化数据的知识获取
  • 4.6.1 百科类网站数据抽取
  • 4.6.2 面向Web网页的知识获取
  • 4.7 低资源条件下知识获取
  • 4.7.1 基于监督学习和弱监督学习的方法
  • 4.7.2 基于迁移学习的方法
  • 4.7.3 基于元学习的方法
  • 4.7.4 基于知识增强的方法
  • 4.8 电商领域知识获取实践
  • 4.8.1 电商知识获取框架
  • 4.8.2 面向场景导购的知识获取示例
  • 4.8.3 低资源商品知识获取示例
  • 4.9 本章小结
  • 第5章 商品知识推理
  • 5.1 知识推理概述
  • 5.1.1 知识推理的作用
  • 5.1.2 专家系统与知识推理
  • 5.1.3 神经网络与知识推理
  • 5.2 基于符号逻辑的知识推理
  • 5.2.1 基于本体的知识推理方法
  • 5.2.2 基于规则的知识推理方法
  • 5.2.3 基于规则学习的知识图谱推理
  • 5.3 基于表示学习的知识推理
  • 5.3.1 基于分布式表示的知识推理
  • 5.3.2 基于神经网络的知识推理
  • 5.4 基于图数据库的商品知识推理引擎工程实践
  • 5.4.1 技术框架简介
  • 5.4.2 与传统规则推理引擎的对比
  • 5.5 可解释的商品知识图谱推理应用实践
  • 5.5.1 电商应用背景
  • 5.5.2 技术实践方案
  • 5.5.3 实验结果及案例分析
  • 5.6 基于强化学习的商品规则学习与推理应用实践
  • 5.6.1 电商应用背景
  • 5.6.2 技术实践方案
  • 5.6.3 实验结果及案例分析
  • 5.7 本章小结
  • 第6章 知识图谱的存储、服务与质量
  • 6.1 知识图谱的存储
  • 6.1.1 数据模型
  • 6.1.2 存储系统选型
  • 6.1.3 图查询语言
  • 6.1.4 关键技术与选择
  • 6.2 知识图谱的服务
  • 6.2.1 基于知识图谱的搜索
  • 6.2.2 基于知识图谱的推荐
  • 6.2.3 搜索推荐在业务智能中的应用
  • 6.2.4 基于知识图谱的问答系统
  • 6.3 知识图谱质量保障
  • 6.3.1 质量保障架构
  • 6.3.2 测试原则与方法
  • 6.4 本章小结
  • 第7章 大规模商品知识图谱预训练
  • 7.1 知识预训练概述
  • 7.1.1 预训练语言模型
  • 7.1.2 知识图谱中的结构化上下文信息
  • 7.1.3 基于知识增强的预训练模型
  • 7.1.4 预训练知识图谱模型与预训练语言模型的区别
  • 7.2 商品知识图谱静态预训练模型
  • 7.2.1 预训练知识图谱查询框架
  • 7.2.2 预训练知识图谱查询模块
  • 7.2.3 预训练知识图谱查询服务
  • 7.2.4 在任务模块中使用查询服务
  • 7.3 商品知识图谱动态预训练模型
  • 7.3.1 上下文模块和整合模块
  • 7.3.2 预训练阶段和微调阶段
  • 7.4 商品知识图谱预训练实践案例
  • 7.4.1 基于知识图谱预训练的商品分类
  • 7.4.2 基于知识图谱预训练的商品对齐
  • 7.4.3 基于知识图谱预训练的商品推荐
  • 7.4.4 基于商品知识预训练的实体识别
  • 7.4.5 基于商品知识预训练的关系抽取与属性补齐
  • 7.4.6 基于商品知识预训练的标题生成
  • 7.5 总结与展望
  • 参考文献
展开全部

评分及书评

评分不足
1个评分

出版方

电子工业出版社

电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。