知識圖譜:方法、實踐與應用

王昊奮,漆桂林,陳華鈞

買這商品的人也買了...

相關主題

商品描述

知識圖譜是較為典型的多學科交叉領域,涉及知識工程、自然語言處理、機器學習、圖數據庫等多個領域。本書系統地介紹知識圖譜涉及的關鍵技術,如知識建模、關系抽取、圖存儲、自動推理、圖譜表示學習、語義搜索、知識問答、圖挖掘分析等。此外,本書還嘗試將學術前沿和實戰結合,讓讀者在掌握實際應用能力的同時對前沿技術發展有所瞭解。本書既適合電腦和人工智能相關的研究人員閱讀,又適合在企業一線從事技術和應用開發的人員學習,還可作為高等院校電腦或人工智能專業師生的參考教材。

作者簡介

王昊奮,上海交通大學計算機博士。中文知識圖譜zhishi.me創始人、OpenKG發起人之一、CCF理事、CCF術語審定工委主任、CCF TF執委、中文信息學會語言與知識計算專委會副秘書長、上海交通大學校友會AI分會秘書長。在知識圖譜、問答系統和聊天機器人等諸多領域有豐富的研發經驗。

漆桂林,東南大學計算機學院教授、東南大學認知智能研究所所長、南京柯基數據科技有限公司首席科學家、OpenKG發起人之一、中國中文信息學會語言與知識計算專業委員會副主任、中國科學技術情報學會知識組織專業委員會副主任、愛思唯爾(Elsevier)數據管理顧問委員會顧問、國際期刊Journal of Data Intelligence 執行主編。科研成果在電力故障智能檢測和知識推送、醫藥知識問答及網絡安全態勢感知系統等領域得到了實際應用。

陳華鈞,浙江大學計算機科學與技術學院教授。浙江大學阿里巴巴知識引擎聯合實驗室負責人、浙江省大數據智能計算重點實驗室副主任、中國人工智能學會知識工程與分佈智能專業委員會副主任委員、中國中文信息學會語言與知識計算專業委員會副主任委員、OpenKG發起人。曾獲國際語義網會議ISWC佳論文獎。

目錄大綱

 

第1章知識圖譜概述

1.1 什麼是知識圖譜

1.2 知識圖譜的發展歷史

1.3 知識圖譜的價值

1.4 國內外典型的知識圖譜項目

1.5 知識圖譜的技術流程

1.6 知識圖譜的相關技術

 

第2章 知識表示與建模

2.1 什麼是知識表示

2.2 人工智能早期時代的知識表示方法

2.3 互聯網時代的語義網知識表示框架

2.4 常見開放域知識圖譜的知識表示方法

2.5 知識圖譜的向量表示方法

2.6 開源工具實踐:基於Protégé的本體知識建模

 

第3章知識存儲

3.1 知識圖譜數據庫基本知識

3.2 常見知識圖譜存儲方法

3.3 知識存儲關鍵技術

3.4 開源工具實踐:以Apache Jena為例

 

第4章知識抽取與知識挖掘

4.1 知識抽取任務及相關競賽

4.2 面向結構化數據的知識抽取

4.3 面向半結構化數據的知識抽取

4.4 知識挖掘

4.5 開源工具實踐:基於DeepDive的關係抽取實踐

 

第5章知識圖譜的融合

5.1 什麼是知識圖譜融合

5.3 本體概念層的融合方法與技術

5.4 實例層的融合與匹配

5.5 開源工具實踐:實體關係發現框架LIMES

 

第6章 知識圖譜推理

6.1 推理概述

6.2 基於演繹的知識圖譜推理

6.3 基於歸納的知識圖譜推理

6.4 知識圖譜推理新進展

6.5 開源工具實踐:基於Jena和Drools的知識推理實踐

 

第7章語義搜索

7.1 語義搜索簡介

7.2 結構化的查詢語言

7.3 語義數據搜索

7.4 語義搜索的交互範式

7.5 語義搜索實戰

 

第8章知識問答

8.1 知識問答概述

8.2 知識問答的分類體系

8.3 知識問答系統簡史

8.4 評價知識問答系統

8.6開源工具實踐: 使用Elasticsearch搭建簡單知識問答系統

 

第9章知識圖譜應用案例

9.1 領域知識圖譜構建的技術流程

9.2 領域知識圖譜構建的基本方法

9.3 知識圖譜的領域應用案例