醉染图书知识图谱9787030727503

“新一代人工智能创新平台建设及其关键技术丛书”序

前言

篇 基础知识篇

章 知识图谱概述 3

1.1 知识图谱简介 3

1.1.1 图、图谱与知识图谱 3

1.1.2 知识图谱的价值 4

1.1.3 知识图谱的挑战 5

1.2 知识图谱的发展历程 6

1.2.1 传统的知识库 6

1.2.2 现代的知识图谱 7

1.. 人工智能时代的知识图谱 8

1.2.4 数据图谱与知识图谱的对比 9

1.3 知识图谱的组成 9

1.3.1 知识图谱中的实体 10

1.3.2 知识图谱中的关系 11

1.3.3 知识图谱中的事件 12

1.4 知识图谱构建技术流程 13

1.4.1 知识获取 13

1.4.2 知识存储 14

1.4.3 知识表示 15

1.4.4 知识抽取 16

1.4.5 知识融合 17

1.4.6 知识补全 18

1.5 知识图谱的典型应用 19

1.5.1 知识图谱可视化分析 19

1.5.2 知识图谱与知识推理 20

1.5.3 知识图谱与语义检索 22

1.5.4 知识图谱与智能问答

1.5.5 知识图谱与系统 25

1.6 本章小结 26

第2章 知识表示 27

2.1 知识表示简介 27

2.1.1 知识表示的定义 27

2.1.2 知识表示与知识图谱 28

2.2 知识表示的发展历程 28

2.2.1 知识的逻辑符号表示 30

2.2.2 知识的框架表示 34

2.. 知识的语义网表示 39

2.2.4 知识的嵌入表示 43

. 知识图谱的知识表示 47

..1 知识图谱中知识的框架表示 48

..2 知识图谱中知识的嵌入表示 50

2.4 本章小结 57

第3章 知识图谱中的实体 58

3.1 实体的定义 58

3.1.1 实体的类型描述 58

3.1.2 实体的组织形式 59

3.2 实体抽取技术 60

3.2.1 实体抽取任务定义 60

3.2.2 实体抽取流程 60

3.3 命名实体识别技术 61

3.3.1 任务定义 61

3.3.2 实体的命名实体识别方法 61

3.3.3 基于深度学习的命名实体识别 66

3.4 实体集合扩展技术 71

3.4.1 任务定义 71

3.4.2 实体集合扩展方法 71

3.5 命名实体消歧技术 73

3.5.1 任务定义 74

3.5.2 基于传统特征的命名实体消歧 75

3.5.3 基于任务优化的命名实体消歧 79

3.5.4 基于深度学习的命名实体消歧 81

3.6 实体抽取评测 82

3.6.1 评测指标 82

3.6.2 评测数据 87

3.6.3 评测比赛 91

3.7 本章小结 92

第4章 知识图谱中的关系 93

4.1 关系的定义 93

4.1.1 关系的类型描述 93

4.1.2 关系的组织形式 95

4.2 关系抽取技术 95

4.2.1 关系抽取任务 95

4.2.2 关系抽取方法分类 96

4.. 基于模式的关系抽取 97

4.2.4 基于特征的关系抽取 102

4.2.5 基于深度学习的关系抽取 105

4.3 关系抽取评测 113

4.3.1 评测指标 113

4.3.2 评测数据 116

4.3.3 评测比赛 117

第5章 知识图谱中的事件 119

5.1 事件的定义 119

5.1.1 事件的类型描述 120

5.1.2 事件的组织形式 120

5.2 事件抽取技术 122

5.2.1 事件抽取任务定义 122

5.2.2 事件抽取方法分类 1

5.. 基于简单模式匹配的事件抽取 1

5.2.4 基于机器学习的事件抽取 126

5.2.5 开放域事件抽取 132

5.3 事件抽取评测 135

5.3.1 评测指标 135

5.3.2 相关评测会议及数据 136

第二篇 前沿技术篇

第6章 知识图谱融合 143

6.1 融合任务的定义 143

6.1.1 融合任务描述 143

6.1.2 数据融合与知识图谱融合的对比 145

6.1.3 实体融合 145

6.1.4 关系融合 146

6.1.5 本体融合 146

6.2 知识图谱融合技术 147

6.2.1 实体对齐 147

6.2.2 关系对齐 150

6.. 本体对齐 154

6.3 知识图谱融合评测 157

6.3.1 评测指标 158

6.3.2 评测数据 159

6.3.3 评测比赛 163

6.4 知识图谱融合典型应用 164

6.4.1 常用外部资源 164

6.4.2 从数据仓库到主题域图谱 172

6.5 本章小结 174

第7章 知识图谱推理 176

7.1 推理任务的定义 176

7.1.1 推理任务描述 176

7.1.2 推理任务分类 176

7.1.3 数据推理与知识图谱推理的对比 178

7.2 知识图谱推理技术 179

7.2.1 基于演绎的推理技术 180

7.2.2 基于规则的推理技术 188

7.. 基于模型的推理技术 192

7.2.4 线推理方法 195

7.3 知识图谱推理评测 198

7.3.1 评测指标 198

7.3.2 评测数据 199

7.3.3 评测比赛 200

7.4 知识图谱推理典型应用 201

7.4.1 知识补全 201

7.4.2 知识问答 202

7.4.3 多事件因果推理 206

7.5 本章小结 207

第8章 知识图谱搜索与 208

8.1 搜索任务的定义 208

8.1.1 搜索任务描述 209

8.1.2 搜索任务分类 209

8.1.3 传统搜索与知识图谱搜索的对比 210

8.2 知识图谱搜索技术 212

8.2.1 搜索流程框架 212

8.2.2 基于存储结构的数据搜索 215

8.. 基于语义的数据搜索 217

8.2.4 基于深度学习的搜索 219

8.3 知识图谱搜索评测 220

8.3.1 评测指标 220

8.3.2 评测数据 222

8.3.3 评测比赛 222

8.4 知识图谱搜索典型应用 2

8.4.1 智能 2

8.4.2 基于图谱的信息检索 227

8.4.3 知识库问答 229

8.5 本章小结 0

第9章 知识图谱的自动构建 1

9.1 知识图谱构建的流程和核心要素 1

9.1.1 知识建模 2

9.1.2 知识存储与知识表示

9.1.3 知识抽取 4

9.1.4 知识融合 240

9.2 知识图谱构建的方法 240

9.2.1 自顶向下的构建方式 241

9.2.2 自底向上的构建方式 242

9.3 知识图谱自动构建的困境 243

9.4 本章小结 244

0章 事理图谱 246

10.1 事理图谱的概念和案例 246

10.1.1 事理图谱的概念 246

10.1.2 事理图谱的案例 248

10.2 事理图谱的作用 251

10.3 事理图谱的挑战 253

10.4 本章小结 256

第三篇 应用实践篇

1章 企业级知识图谱 259

11.1 企业级知识图谱的作用 259

11.1.1 企业级知识图谱构建的核心目标 259

11.1.2 企业级知识图谱的难点 261

11.2 结构化数据治理 262

11.2.1 元数据管理 263

11.2.2 数据质量监控 265

11.3 非结构化数据的预处理 267

11.3.1 正则表达式 268

11.3.2 中文分词问题 268

11.3.3 停用词、标点的去除 269

11.3.4 特征提取 270

11.4 数据存储和图数据库选择 271

11.4.1 分布式存储与分布式文件系统 271

11.4.2 图数据库的选择 274

11.5 知识构建和维护的生命周期 276

11.5.1 知识建模 276

11.5.2 知识获取 276

11.5.3 知识存储 277

11.5.4 知识融合 277

11.5.5 知识计算 277

11.5.6 知识应用 277

11.6 本章小结 277

2章 图谱可视化 279

12.1 可视化概述 279

12.1.1 数据、信息和知识的定义 279

12.1.2 可视化分类 280

12.2 图谱可视化表达 284

12.2.1 空间填充 284

12.2.2 节点链接图 285

12.. 热图 286

12.2.4 邻接矩阵 287

12.2.5 可视化表达 288

1. 图谱可视化方法 289

1..1 知识图谱构图 290

1..2 知识图谱度量方法 291

1.. 知识图谱布局方法 294

12.4 图谱可视化实践 295

12.4.1 D3 295

12.4.2 知识图谱数据可视化实践 296

12.5 本章小结 300

参考文献 301