知识图谱
全新正版 现货速发
￥ 111.2 6.6折 ￥ 168 全新
库存3件
江苏无锡
认证卖家担保交易快速发货售后保障
作者吴信东 等
出版社科学出版社
ISBN9787030727503
出版时间2022-07
装帧精装
开本其他
定价168元
货号1202711836
上书时间2024-12-06
- 在售商品 暂无
- 平均发货时间 9小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
目录
“新一代人工智能创新平台建设及其关键技术丛书”序
前言
第一篇 基础知识篇
第1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
1.2.3 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 23
1.5.5 知识图谱与推荐系统 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
2.2.3 知识的语义网表示 39
2.2.4 知识的嵌入表示 43
2.3 知识图谱的知识表示 47
2.3.1 知识图谱中知识的框架表示 48
2.3.2 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
4.2.3 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 123
5.2.3 基于简单模式匹配的事件抽取 123
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
6.2.3 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
7.2.3 基于模型的推理技术 192
7.2.4 线性推理方法 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 知识图谱搜索与推荐 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
8.2.3 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 223
8.4.1 智能推荐 223
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 230
第9章 知识图谱的自动构建 231
9.1 知识图谱构建的流程和核心要素 231
9.1.1 知识建模 232
9.1.2 知识存储与知识表示 233
9.1.3 知识抽取 234
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
第10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
第11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
第12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
12.2.3 热图 286
12.2.4 邻接矩阵 287
12.2.5 其他可视化表达 288
12.3 图谱可视化方法 289
12.3.1 知识图谱构图 290
12.3.2 知识图谱度量方法 291
12.3.3 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
内容摘要
本书系统介绍了知识图谱的概念、发展历程、技术体系、前沿技术与应用实践。在基础知识方面，本书囊括了知识图谱从源数据到产生决策的全生命周期的各个环节，分析了数据图谱和知识图谱的核心区别，介绍了图谱构建和知识表示等相关关键技术。在前沿技术方面，全面介绍了知识图谱自动构建、知识图谱融合和智能推理等问题和挑战。在应用实践方面，结合营销智能国家新一代人工智能开放创新平台建设，介绍了知识图谱在信息检索、推荐系统、可视化、问答机器人等场景下的实际操作案例。本书适合高等院校人工智能、大数据、知识工程等专业本科生、研究生及教师等教学和科研使用。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价