4.3
用户推荐指数
科技 类型
6.6 豆瓣评分
可以朗读 语音朗读
419千字 字数
2019-08-01 发行日期
展开全部

主编推荐语

揭秘知识图谱全生命周期技术，探索垂直领域知识图谱构建方法与应用落地，促进人工智能从感知时代向认知时代跨越。

内容简介

知识图谱是较为典型的多学科交叉领域，涉及知识工程、自然语言处理、机器学习、图数据库等多个领域。本书系统地介绍知识图谱涉及的关键技术，如知识建模、关系抽取、图存储、自动推理、图谱表示学习、语义搜索、知识问答、图挖掘分析等。此外，本书还尝试将学术前沿和实战结合，让读者在掌握实际应用能力的同时对前沿技术发展有所了解。 本书既适合计算机和人工智能相关的研究人员阅读，又适合在企业一线从事技术和应用开发的人员学习，还可作为高等院校计算机或人工智能专业师生的参考教材。

目录

  • 版权信息
  • 序
  • 前言
  • 为什么写作本书
  • 关于本书作者
  • 本书主要内容
  • 如何阅读本书
  • 致谢
  • 读者服务
  • 第1章 知识图谱概述
  • 1.1 什么是知识图谱
  • 1.2 知识图谱的发展历史
  • 1.3 知识图谱的价值
  • 1.4 国内外典型的知识图谱项目
  • 1.4.1 早期的知识库项目
  • 1.4.2 互联网时代的知识图谱
  • 1.4.3 中文开放知识图谱
  • 1.4.4 垂直领域知识图谱
  • 1.5 知识图谱的技术流程
  • 1.6 知识图谱的相关技术
  • 1.6.1 知识图谱与数据库系统
  • 1.6.2 知识图谱与智能问答
  • 1.6.3 知识图谱与机器推理
  • 1.6.4 知识图谱与推荐系统
  • 1.6.5 区块链与去中心化的知识图谱
  • 1.7 本章小结
  • 参考文献
  • 第2章 知识图谱表示与建模
  • 2.1 什么是知识表示
  • 2.2 人工智能早期的知识表示方法
  • 2.2.1 一阶谓词逻辑
  • 2.2.2 霍恩子句和霍恩逻辑
  • 2.2.3 语义网络
  • 2.2.4 框架
  • 2.2.5 描述逻辑
  • 2.3 互联网时代的语义网知识表示框架
  • 2.3.1 RDF和RDFS
  • 2.3.2 OWL和OWL2 Fragments
  • 2.3.3 知识图谱查询语言的表示
  • 2.3.4 语义Markup表示语言
  • 2.4 常见开放域知识图谱的知识表示方法
  • 2.4.1 Freebase
  • 2.4.2 Wikidata
  • 2.4.3 ConceptNet5
  • 2.5 知识图谱的向量表示方法
  • 2.5.1 知识图谱表示的挑战
  • 2.5.2 词的向量表示方法
  • 2.5.3 知识图谱嵌入的概念
  • 2.5.4 知识图谱嵌入的优点
  • 2.5.5 知识图谱嵌入的主要方法
  • 2.5.6 知识图谱嵌入的应用
  • 2.6 开源工具实践：基于Protégé的本体知识建模
  • 2.6.1 简介
  • 2.6.2 环境准备
  • 2.6.3 Protégé实践主要功能演示
  • 2.7 本章小结
  • 参考文献
  • 第3章 知识存储
  • 3.1 知识图谱数据库基本知识
  • 3.1.1 知识图谱数据模型
  • 3.1.2 知识图谱查询语言
  • 3.2 常见知识图谱存储方法
  • 3.2.1 基于关系数据库的存储方案
  • 3.2.2 面向RDF的三元组数据库
  • 3.2.3 原生图数据库
  • 3.2.4 知识图谱数据库比较
  • 3.3 知识存储关键技术
  • 3.3.1 知识图谱数据库的存储：以Neo4j为例
  • 3.3.2 知识图谱数据库的索引
  • 3.4 开源工具实践
  • 3.4.1 三元组数据库Apache Jena
  • 3.4.2 面向RDF的三元组数据库gStore
  • 参考文献
  • 第4章 知识抽取与知识挖掘
  • 4.1 知识抽取任务及相关竞赛
  • 4.1.1 知识抽取任务定义
  • 4.1.2 知识抽取相关竞赛
  • 4.2 面向非结构化数据的知识抽取
  • 4.2.1 实体抽取
  • 4.2.2 关系抽取
  • 4.2.3 事件抽取
  • 4.3 面向结构化数据的知识抽取
  • 4.3.1 直接映射
  • 4.3.2 R2RML
  • 4.3.3 相关工具
  • 4.4 面向半结构化数据的知识抽取
  • 4.4.1 面向百科类数据的知识抽取
  • 4.4.2 面向Web网页的知识抽取
  • 4.5 知识挖掘
  • 4.5.1 知识内容挖掘：实体链接
  • 4.5.2 知识结构挖掘：规则挖掘
  • 4.6 开源工具实践：基于DeepDive的关系抽取实践
  • 4.6.1 开源工具的技术架构
  • 4.6.2 其他类似工具
  • 参考文献
  • 第5章 知识图谱融合
  • 5.1 什么是知识图谱融合
  • 5.2 知识图谱中的异构问题
  • 5.2.1 语言层不匹配
  • 5.2.2 模型层不匹配
  • 5.3 本体概念层的融合方法与技术
  • 5.3.1 本体映射与本体集成
  • 5.3.2 本体映射分类
  • 5.3.3 本体映射方法和工具
  • 5.3.4 本体映射管理
  • 5.3.5 本体映射应用
  • 5.4 实例层的融合与匹配
  • 5.4.1 知识图谱中的实例匹配问题分析
  • 5.4.2 基于快速相似度计算的实例匹配方法
  • 5.4.3 基于规则的实例匹配方法
  • 5.4.4 基于分治的实例匹配方法
  • 5.4.5 基于学习的实例匹配方法
  • 5.4.6 实例匹配中的分布式并行处理
  • 5.5 开源工具实践：实体关系发现框架LIMES
  • 5.5.1 简介
  • 5.5.2 开源工具的技术架构
  • 5.5.3 其他类似工具
  • 5.6 本章小结
  • 参考文献
  • 第6章 知识图谱推理
  • 6.1 推理概述
  • 6.1.1 什么是推理
  • 6.1.2 面向知识图谱的推理
  • 6.2 基于演绎的知识图谱推理
  • 6.2.1 本体推理
  • 6.2.2 基于逻辑编程的推理方法
  • 6.2.3 基于查询重写的方法
  • 6.2.4 基于产生式规则的方法
  • 6.3 基于归纳的知识图谱推理
  • 6.3.1 基于图结构的推理
  • 6.3.2 基于规则学习的推理
  • 6.3.3 基于表示学习的推理
  • 6.4 知识图谱推理新进展
  • 6.4.1 时序预测推理
  • 6.4.2 基于强化学习的知识图谱推理
  • 6.4.3 基于元学习的少样本知识图谱推理
  • 6.4.4 图神经网络与知识图谱推理
  • 6.5 开源工具实践：基于Jena和Drools的知识推理实践
  • 6.5.1 开源工具简介
  • 6.5.2 开源工具的技术架构
  • 6.5.3 开发软件版本及其下载地址
  • 6.5.4 基于Jena的知识推理实践
  • 6.5.5 基于Drools的知识推理实践
  • 6.6 本章小结
  • 参考文献
  • 第7章 语义搜索
  • 7.1 语义搜索简介
  • 7.2 结构化的查询语言
  • 7.2.1 数据查询
  • 7.2.2 数据插入
  • 7.2.3 数据删除
  • 7.3 语义数据搜索
  • 7.4 语义搜索的交互范式
  • 7.4.1 基于关键词的知识图谱语义搜索方法
  • 7.4.2 基于分面的知识图谱语义搜索
  • 7.4.3 基于表示学习的知识图谱语义搜索
  • 7.5 开源工具实践
  • 7.5.1 功能介绍
  • 7.5.2 环境搭建及数据准备
  • 7.5.3 数据准备
  • 7.5.4 导入Elasticsearch
  • 7.5.5 功能实现
  • 7.5.6 执行查询
  • 参考文献
  • 第8章 知识问答
  • 8.1 知识问答概述
  • 8.1.1 知识问答的基本要素
  • 8.1.2 知识问答的相关工作
  • 8.1.3 知识问答应用场景
  • 8.2 知识问答的分类体系
  • 8.2.1 问题类型与答案类型
  • 8.2.2 知识库类型
  • 8.2.3 智能体类型
  • 8.3 知识问答系统
  • 8.3.1 NLIDB：早期的问答系统
  • 8.3.2 IRQA：基于信息检索的问答系统
  • 8.3.3 KBQA：基于知识库的问答系统
  • 8.3.4 CommunityQA/FAQ-QA：基于问答对匹配的问答系统
  • 8.3.5 Hybrid QA Framework 混合问答系统框架
  • 8.4 知识问答的评价方法
  • 8.4.1 问答系统的评价指标
  • 8.4.2 问答系统的评价数据集
  • 8.5 KBQA前沿技术
  • 8.5.1 KBQA面临的挑战
  • 8.5.2 基于模板的方法
  • 8.5.3 基于语义解析的方法
  • 8.5.4 基于深度学习的传统问答模块优化
  • 8.5.5 基于深度学习的端到端问答模型
  • 8.6 开源工具实践
  • 8.6.1 使用Elasticsearch搭建简单知识问答系统
  • 8.6.2 基于gAnswer构建中英文知识问答系统
  • 8.7 本章小结
  • 参考文献
  • 第9章 知识图谱应用案例
  • 9.1 领域知识图谱构建的技术流程
  • 9.1.1 领域知识建模
  • 9.1.2 知识存储
  • 9.1.3 知识抽取
  • 9.1.4 知识融合
  • 9.1.5 知识计算
  • 9.1.6 知识应用
  • 9.2 领域知识图谱构建的基本方法
  • 9.2.1 自顶向下的构建方法
  • 9.2.2 自底向上的构建方法
  • 9.3 领域知识图谱的应用案例
  • 9.3.1 电商知识图谱的构建与应用
  • 9.3.2 图情知识图谱的构建与应用
  • 9.3.3 生活娱乐知识图谱的构建与应用：以美团为例
  • 9.3.4 企业商业知识图谱的构建与应用
  • 9.3.5 创投知识图谱的构建与应用
  • 9.3.6 中医临床领域知识图谱的构建与应用
  • 9.3.7 金融证券行业知识图谱应用实践
  • 9.4 本章小结
  • 参考文献
展开全部

评分及书评

4.3
7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。