知識圖譜 — 面向科技文獻的構建技術與應用實踐

目錄
第1章 知識圖譜概述 001
1.1 知識圖譜的起源與發展 001
1.2 知識圖譜相關技術與方法 004
1.2.1 知識圖譜構建技術流程 004
1.2.2 知識圖譜數據模型 010
1.2.3 知識圖譜存儲與管理 016
1.3 國內外典型科研知識圖譜項目 024
1.3.1 Springer Nature SciGraph 025
1.3.2 AceKG 028
1.3.3 Open Academic Graph 030
1.3.4 領域/專題科研知識圖譜 033
1.4 本章小結 038
參考文獻 038
第2章 智能知識服務 041
2.1 語義檢索 041
2.1.1 語義檢索的含義 041
2.1.2 語義檢索方法與架構 042
2.1.3 語義檢索系統分類 045
2.1.4 學術語義檢索系統 048
2.1.5 基於水稻領域知識圖譜的語義檢索實踐 053
2.2 智能問答 060
2.2.1 智能問答的含義 060
2.2.2 智能問答方法與架構 061
2.2.3 典型的智能問答系統 063
2.3 智能推薦 064
2.3.1 智能推薦的含義 064
2.3.2 智能推薦方法與架構 065
2.3.3 基於知識圖譜的智能推薦 066
2.4 基於推理的知識關聯發現 070
2.5 本章小結 072
參考文獻 072
第3章 科技文獻語義模型研究 078
3.1 數據密集型科研範式下科技文獻的發展 078
3.1.1 數據密集型科研範式 078
3.1.2 語義出版實踐 080
3.1.3 科技文獻新特徵 082
3.2 科技文獻語義關聯描述模型 083
3.2.1 面向文獻結構的語義模型 084
3.2.2 面向文獻內容的語義模型 086
3.3 本章小結 092
參考文獻 092
第4章 面向科技文獻的科研知識圖譜構建與管理 094
4.1 科研知識圖譜模式層構建 095
4.1.1 科研本體實體對象選取與定義 095
4.1.2 科研本體多維度數據模型描述 096
4.1.3 基於Protégé的本體構建與管理 101
4.2 多源科研知識圖譜構建方法 102
4.2.1 基於題錄的知識轉換 102
4.2.2 基於文獻正文的知識抽取 102
4.2.3 基於科技文獻的知識圖譜構建實踐 104
4.3 語義知識圖譜構建工具 106
4.3.1 基於本體模型的實體與關系抽取 109
4.3.2 多格式圖譜數據的轉換與加載 112
4.3.3 多查詢端遠程圖譜數據遷移 115
4.3.4 圖譜數據的動態更新 117
4.3.5 性能評估與對比試驗分析 120
4.4 結構化語料獲取解析與加工 124
4.4.1 基於PID和消歧算法的實體消歧 125
4.4.2 多因子復合加權文獻重要度計算 131
4.4.3 基於語義匹配的文獻資源主題標引 132
4.4.4 基於深度學習的論文摘要語步分類 134
4.5 科研知識圖譜的存儲與管理 136
4.5.1 知識圖譜屬性映射規則 136
4.5.2 RDF2PG轉換方法 138
4.6 本章小結 139
參考文獻 140
第5章 知識圖譜驅動的科研綜述表達實踐 144
5.1 實踐背景介紹 144
5.1.1 科研綜述的內涵 148
5.1.2 科研綜述相關研究 148
5.2 科研綜述設計思路與技術需求 152
5.2.1 多層次科研綜述模型設計 153
5.2.2 科研綜述應用服務場景 154
5.2.3 基於圖算法的接口支撐策略 155
5.3 知識計算在科研綜述中的支撐應用 156
5.3.1 面向查詢的語義解析與實例匹配 157
5.3.2 基於子圖結構的實體及關系聚類 158
5.4 結合知識圖譜和POI的綜述文檔生成 160
5.4.1 科研綜述文檔模板調研與設計 160
5.4.2 知識圖譜與POI的匹配與協同 161
5.5 基於知識圖譜的科研綜述體系架構 162
5.5.1 科研綜述生成體系架構設計 162
5.5.2 專題科研知識圖譜構建 164
5.5.3 科研綜述生成實現 172
5.5.4 與現有綜述方法的對比分析 178
5.6 本章小結 180
參考文獻 181