知識圖譜：方法、實踐與應用

王昊奮,漆桂林,陳華鈞

知識圖譜：方法、實踐與應用

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

類似商品