《知識圖譜》是2022年科學出版社出版的圖書。
基本介紹
- 中文名：知識圖譜
- 作者：吳信東
- 出版時間：2022年7月1日
- 出版社： 科學出版社
- 頁數：332 頁
- ISBN：9787030727503
- 開本：16 開
內容簡介,圖書目錄,
內容簡介
《知識圖譜》系統介紹了知識圖譜的概念、發展歷程、技術體系、前沿技術與套用實踐。在基礎知識方面，《知識圖譜》囊括了知識圖譜從源數據到產生決策的全生命周期的各個環節，分析了數據圖譜和知識圖譜的核心區別，介紹了圖譜構建和知識表示等相關關鍵技術。在前沿技術方面，全面介紹了知識圖譜自動構建、知識圖譜融合和智慧型推理等問題和挑戰。在套用實踐方面，結合行銷智慧型國家新一代人工智慧開放創新平台建設，介紹了知識圖譜在信息檢索、推薦系統、可視化、問答機器人等場景下的實際操作案例。
圖書目錄
“新一代人工智慧創新平台建設及其關鍵技術叢書”序
前言
第一篇 基礎知識篇
第1章 知識圖譜概述 3
1.1 知識圖譜簡介 3
1.1.1 圖、圖譜與知識圖譜 3
1.1.2 知識圖譜的價值 4
1.1.3 知識圖譜的挑戰 5
1.2 知識圖譜的發展歷程 6
1.2.1 傳統的知識庫 6
1.2.2 現代的知識圖譜 7
1.2.3 人工智慧時代的知識圖譜 8
1.2.4 數據圖譜與知識圖譜的對比 9
1.3 知識圖譜的組成 9
1.3.1 知識圖譜中的實體 10
1.3.2 知識圖譜中的關係 11
1.3.3 知識圖譜中的事件 12
1.4 知識圖譜構建技術流程 13
1.4.1 知識獲取 13
1.4.2 知識存儲 14
1.4.3 知識表示 15
1.4.4 知識抽取 16
1.4.5 知識融合 17
1.4.6 知識補全 18
1.5 知識圖譜的典型套用 19
1.5.1 知識圖譜可視化分析 19
1.5.2 知識圖譜與知識推理 20
1.5.3 知識圖譜與語義檢索 22
1.5.4 知識圖譜與智慧型問答 23
1.5.5 知識圖譜與推薦系統 25
1.6 本章小結 26
第2章 知識表示 27
2.1 知識表示簡介 27
2.1.1 知識表示的定義 27
2.1.2 知識表示與知識圖譜 28
2.2 知識表示的發展歷程 28
2.2.1 知識的邏輯符號表示 30
2.2.2 知識的框架表示 34
2.2.3 知識的語義網表示 39
2.2.4 知識的嵌入表示 43
2.3 知識圖譜的知識表示 47
2.3.1 知識圖譜中知識的框架表示 48
2.3.2 知識圖譜中知識的嵌入表示 50
2.4 本章小結 57
第3章 知識圖譜中的實體 58
3.1 實體的定義 58
3.1.1 實體的類型描述 58
3.1.2 實體的組織形式 59
3.2 實體抽取技術 60
3.2.1 實體抽取任務定義 60
3.2.2 實體抽取流程 60
3.3 命名實體識別技術 61
3.3.1 任務定義 61
3.3.2 實體的命名實體識別方法 61
3.3.3 基於深度學習的命名實體識別 66
3.4 實體集合擴展技術 71
3.4.1 任務定義 71
3.4.2 實體集合擴展方法 71
3.5 命名實體消歧技術 73
3.5.1 任務定義 74
3.5.2 基於傳統特徵的命名實體消歧 75
3.5.3 基於任務最佳化的命名實體消歧 79
3.5.4 基於深度學習的命名實體消歧 81
3.6 實體抽取評測 82
3.6.1 評測指標 82
3.6.2 評測數據 87
3.6.3 評測比賽 91
3.7 本章小結 92
第4章 知識圖譜中的關係 93
4.1 關係的定義 93
4.1.1 關係的類型描述 93
4.1.2 關係的組織形式 95
4.2 關係抽取技術 95
4.2.1 關係抽取任務 95
4.2.2 關係抽取方法分類 96
4.2.3 基於模式的關係抽取 97
4.2.4 基於特徵的關係抽取 102
4.2.5 基於深度學習的關係抽取 105
4.3 關係抽取評測 113
4.3.1 評測指標 113
4.3.2 評測數據 116
4.3.3 評測比賽 117
第5章 知識圖譜中的事件 119
5.1 事件的定義 119
5.1.1 事件的類型描述 120
5.1.2 事件的組織形式 120
5.2 事件抽取技術 122
5.2.1 事件抽取任務定義 122
5.2.2 事件抽取方法分類 123
5.2.3 基於簡單模式匹配的事件抽取 123
5.2.4 基於機器學習的事件抽取 126
5.2.5 開放域事件抽取 132
5.3 事件抽取評測 135
5.3.1 評測指標 135
5.3.2 相關評測會議及數據 136
第二篇 前沿技術篇
第6章 知識圖譜融合 143
6.1 融合任務的定義 143
6.1.1 融合任務描述 143
6.1.2 數據融合與知識圖譜融合的對比 145
6.1.3 實體融合 145
6.1.4 關係融合 146
6.1.5 本體融合 146
6.2 知識圖譜融合技術 147
6.2.1 實體對齊 147
6.2.2 關係對齊 150
6.2.3 本體對齊 154
6.3 知識圖譜融合評測 157
6.3.1 評測指標 158
6.3.2 評測數據 159
6.3.3 評測比賽 163
6.4 知識圖譜融合典型套用 164
6.4.1 常用外部資源 164
6.4.2 從數據倉庫到主題域圖譜 172
6.5 本章小結 174
第7章 知識圖譜推理 176
7.1 推理任務的定義 176
7.1.1 推理任務描述 176
7.1.2 推理任務分類 176
7.1.3 數據推理與知識圖譜推理的對比 178
7.2 知識圖譜推理技術 179
7.2.1 基於演繹的推理技術 180
7.2.2 基於規則的推理技術 188
7.2.3 基於模型的推理技術 192
7.2.4 線性推理方法 195
7.3 知識圖譜推理評測 198
7.3.1 評測指標 198
7.3.2 評測數據 199
7.3.3 評測比賽 200
7.4 知識圖譜推理典型套用 201
7.4.1 知識補全 201
7.4.2 知識問答 202
7.4.3 多事件因果推理 206
7.5 本章小結 207
第8章 知識圖譜搜尋與推薦 208
8.1 搜尋任務的定義 208
8.1.1 搜尋任務描述 209
8.1.2 搜尋任務分類 209
8.1.3 傳統搜尋與知識圖譜搜尋的對比 210
8.2 知識圖譜搜尋技術 212
8.2.1 搜尋流程框架 212
8.2.2 基於存儲結構的數據搜尋 215
8.2.3 基於語義的數據搜尋 217
8.2.4 基於深度學習的搜尋 219
8.3 知識圖譜搜尋評測 220
8.3.1 評測指標 220
8.3.2 評測數據 222
8.3.3 評測比賽 222
8.4 知識圖譜搜尋典型套用 223
8.4.1 智慧型推薦 223
8.4.2 基於圖譜的信息檢索 227
8.4.3 知識庫問答 229
8.5 本章小結 230
第9章 知識圖譜的自動構建 231
9.1 知識圖譜構建的流程和核心要素 231
9.1.1 知識建模 232
9.1.2 知識存儲與知識表示 233
9.1.3 知識抽取 234
9.1.4 知識融合 240
9.2 知識圖譜構建的方法 240
9.2.1 自頂向下的構建方式 241
9.2.2 自底向上的構建方式 242
9.3 知識圖譜自動構建的困境 243
9.4 本章小結 244
第10章 事理圖譜 246
10.1 事理圖譜的概念和案例 246
10.1.1 事理圖譜的概念 246
10.1.2 事理圖譜的案例 248
10.2 事理圖譜的作用 251
10.3 事理圖譜的挑戰 253
10.4 本章小結 256
第三篇 套用實踐篇
第11章 企業級知識圖譜 259
11.1 企業級知識圖譜的作用 259
11.1.1 企業級知識圖譜構建的核心目標 259
11.1.2 企業級知識圖譜的難點 261
11.2 結構化數據治理 262
11.2.1 元數據管理 263
11.2.2 數據質量監控 265
11.3 非結構化數據的預處理 267
11.3.1 正則表達式 268
11.3.2 中文分詞問題 268
11.3.3 停用詞、標點的去除 269
11.3.4 特徵提取 270
11.4 數據存儲和圖資料庫選擇 271
11.4.1 分散式存儲與分散式檔案系統 271
11.4.2 圖資料庫的選擇 274
11.5 知識構建和維護的生命周期 276
11.5.1 知識建模 276
11.5.2 知識獲取 276
11.5.3 知識存儲 277
11.5.4 知識融合 277
11.5.5 知識計算 277
11.5.6 知識套用 277
11.6 本章小結 277
第12章 圖譜可視化 279
12.1 可視化概述 279
12.1.1 數據、信息和知識的定義 279
12.1.2 可視化分類 280
12.2 圖譜可視化表達 284
12.2.1 空間填充 284
12.2.2 節點連結圖 285
12.2.3 熱圖 286
12.2.4 鄰接矩陣 287
12.2.5 其他可視化表達 288
12.3 圖譜可視化方法 289
12.3.1 知識圖譜構圖 290
12.3.2 知識圖譜度量方法 291
12.3.3 知識圖譜布局方法 294
12.4 圖譜可視化實踐 295
12.4.1 D3 295
12.4.2 知識圖譜數據可視化實踐 296
12.5 本章小結 300
參考文獻 301
