知识图谱：概念与技术
￥ 13 1.1折 ￥ 118 九五品
仅1件
北京通州
认证卖家担保交易快速发货售后保障
作者肖仰华等 编著
出版社电子工业出版社
ISBN9787121371080
出版时间2020-01
版次1
装帧平装
开本16开
纸张胶版纸
页数540页
定价118元
上书时间2024-12-02
商品详情
- 品相描述：九五品
- 商品描述
-
基本信息
书名:知识图谱：概念与技术
定价：118.00元
作者:肖仰华等 编著
出版社：电子工业出版社
出版日期：2020-01-01
ISBN：9787121371080
字数：
页码：540
版次：
装帧：平装
开本：16开
商品重量：
编辑推荐
· 有深度也有广度，力求涵盖知识图谱相关的基本概念与关键技术。· 梳理前沿成果，总结了十多个知识图谱工程项目的落地经验。· 写作团队成员均为国内知名高校和研究所AI相关专业教师和研究员。· 内容历经一年打磨，并曾在多所高校试讲，根据听众反馈迭代改进。
内容提要
知识图谱是一种大规模语义网络，已经成为大数据时代知识工程的代表性进展。知识图谱技术是实现机器认知智能和推动各行业智能化发展的关键基础技术。知识图谱也成为大规模知识工程的代表性实践，其学科日益完善。本书是一本系统介绍知识图谱概念、技术与实践的书籍。全书共5篇，由16 章构成，力求涵盖知识图谱相关的基本概念与关键技术。“基础篇”介绍知识图谱的基本概念、内涵与外延、历史沿革、应用价值，以及相关的基础知识。“构建篇”重点介绍大规模高质量知识图谱的自动化构建技术，涵盖词汇挖掘、实体识别、关系抽取及概念图谱构建、百科图谱构建、众包构建与质量控制等专题。“管理篇”系统地阐述了知识图谱建模与存储、查询与检索，以及图数据管理系统。“应用篇”对于基于知识图谱的关键应用技术展开介绍，包括搜索与推荐、自然语言问答，以及基于知识图谱的自然语言理解。“实践篇”介绍知识图谱实践中的基本原则和有用实践，初步讨论了知识图谱实践中的开放性问题。本书可作为高年级本科生、硕士生或者博士生的教材，也适合企业与行业智能化的从业人员阅读。
目录
篇 基础篇章 知识图谱概述... 21.1 知识图谱的基本概念... 21.1.1 知识图谱的狭义概念... 31.1.2 知识图谱的广义概念... 81.2 知识图谱的历史沿革... 101.2.1 知识图谱溯源... 101.2.2 大数据知识工程... 131.3 知识图谱的研究意义... 161.3.1 知识图谱是认知智能的基石... 161.3.2 知识引导成为解决问题的重要方式之一... 191.4 知识图谱的应用价值... 201.4.1 数据分析... 201.4.2 智慧搜索... 211.4.3 智能推荐... 221.4.4 自然人机交互... 231.4.5 决策支持... 231.5 知识图谱的分类... 241.5.1 知识图谱中的知识分类... 251.5.2 知识图谱的领域特性... 261.5.3 典型知识图谱... 30本章小结 38思考题... 39参考文献 40第2章 基础知识... 432.1 概述 432.2 知识表示... 452.2.1 基本概念... 452.2.2 知识图谱的图表示... 472.2.3 知识图谱的数值表示... 492.2.4 其他相关知识表示... 542.3 机器学习... 642.3.1 机器学习的基本概念... 652.3.2 深度学习概述... 672.3.3 卷积神经网络... 702.3.4 循环神经网络... 712.3.5 注意力机制... 722.4 自然语言处理... 732.4.1 基本概念... 742.4.2 文本的向量化表示... 76本章小结 78思考题... 79参考文献 80第2篇 构建篇第3章 词汇挖掘与实体识别... 843.1 概述 843.2 领域短语挖掘... 863.2.1 问题描述... 873.2.2 领域短语挖掘方法... 883.2.3 统计指标特征... 913.3 同义词挖掘... 953.3.1 概述... 953.3.2 典型方法... 963.4 缩略词抽取... 1013.4.1 缩略词的概念与形式... 1013.4.2 缩略词的检测与抽取... 1033.4.3 缩略词的预测... 1053.5 实体识别... 1093.5.1 概述... 1093.5.2 传统的NER方法... 1103.5.3 基于深度学习的NER方法... 1143.5.4 近期的一些方法... 120本章小结 121思考题... 122参考文献 122第4章 关系抽取... 1274.1 概述 1274.1.1 关系抽取的问题和方法分类... 1284.1.2 关系抽取常用数据集... 1304.1.3 关系抽取评估方法... 1314.2 基于模式的抽取... 1334.2.1 基于字符模式的抽取... 1344.2.2 基于语法模式的抽取... 1354.2.3 基于语义模式的抽取... 1354.2.4 自动化模式获取：自举法... 1364.2.5 基于模式抽取的质量评估... 1384.3 基于学习的抽取... 1394.3.1 基于监督学习的关系抽取... 1404.3.2 基于远程监督学习的关系抽取... 1424.3.3 基于深度学习的关系抽取... 1444.4 开放关系抽取... 1504.4.1 TextRunner 1514.4.2 ReVerb. 1524.4.3 Ollie. 154本章小结 154思考题... 156参考文献 157第5章 概念图谱构建... 1605.1 概述 1605.1.1 常见的概念图谱... 1635.1.2 概念图谱的应用... 1665.2 isA关系抽取... 1685.2.1 基于在线百科的方法... 1695.2.2 基于模式的方法... 1705.2.3 中文概念图谱的构建... 1725.3 isA关系补全... 1755.3.1 isA关系缺失的成因... 1765.3.2 基于isA关系传递性的概念图谱补全... 1775.3.3 基于协同过滤思想的概念图谱补全... 1795.4 isA关系纠错... 1815.4.1 错误的成因... 1825.4.2 基于支持度的纠错... 1835.4.3 基于图模型的纠错... 184本章小结 185思考题... 186参考文献 187第6章 百科图谱构建... 1896.1 概述 1896.1.1 什么是百科图谱... 1896.1.2 百科图谱的意义... 1906.1.3 百科图谱的分类... 1916.2 基于单源的百科图谱构建... 1926.2.1 数据获取... 1936.2.2 属性抽取... 1956.2.3 关系构建... 2006.2.4 概念层级体系构建... 2016.2.5 实体分类... 2016.3 基于多源的百科图谱融合... 2076.3.1 基于多个知识图谱的融合方法... 2076.3.2 基于多源异构数据的融合方法... 215本章小结 216思考题... 217参考文献 217第7章 知识图谱的众包构建... 2217.1 概述 2217.2 知识型众包的基本概念... 2237.3 知识型众包研究的问题... 2267.3.1 What（对什么任务进行众包）... 2267.3.2 Whom（将任务交予谁完成）... 2297.3.3 How（如何完成众包）... 2307.4 基于众包的知识图谱构建与精化... 2357.4.1 本体构建阶段的人工介入... 2357.4.2 知识图谱构建阶段的人工介入... 2377.4.3 知识图谱精化阶段的人工介入... 242本章小结 244思考题... 245参考文献 246第8章 知识图谱的质量控制... 2508.1 概述 2518.1.1 知识图谱质量评估的维度... 2518.1.2 知识图谱质量评估的方法... 2538.1.3 知识图谱质量控制全周期概览... 2548.2 缺失知识的发现与补全... 2608.2.1 类型补全... 2608.2.2 关系补全... 2638.2.3 属性值补全... 2688.3 错误知识的发现与纠正... 2708.3.1 错误实体类型检测... 2718.3.2 错误实体关系检测... 2718.3.3 错误属性值检测... 2738.4 过期知识的更新... 2748.4.1 基于更新频率预测的更新机制... 2758.4.2 基于时间标签的更新机制... 2768.4.3 基于热点事件发现的更新机制... 277本章小结 278思考题... 279参考文献 280第3篇 管理篇第9章 知识图谱的建模与存储... 2869.1 概述 2869.2 知识图谱的数据模型... 2879.2.1 知识图谱的三元组模型... 2879.2.2 知识图谱的图模型... 2919.3 知识图谱的物理存储... 2969.3.1 知识图谱数据的基本操作... 2969.3.2 知识图谱的关系表存储... 2979.3.3 知识图谱的图存储... 3029.3.4 分布式计算环境下的知识图谱数据存储... 305本章小结 309思考题... 310参考文献 3100章 知识图谱的查询与检索... 31410.1 概述 31410.2 查询语言：SPARQL. 31510.2.1 简单查询... 31510.2.2 SPARQL查询机制及知识图谱上的推理... 32110.3 子图查询... 32410.3.1 子图查询基本知识... 32410.3.2 近似子图查询... 32610.3.3 Top-k查询... 33110.3.4 索引结构... 33410.4 其他查询... 33510.4.1 路径查询... 33510.4.2 关键词查询... 33710.4.3 社团搜索... 339本章小结 342思考题... 343参考文献 3431章 图数据管理系统... 34711.1 概述 34711.2 知识图谱与图数据管理系统... 34811.2.1 大图管理的挑战... 35011.2.2 图数据管理系统的重要性... 35211.2.3 图数据管理系统管理知识图谱的挑战... 35411.3 图数据管理系统的基本架构和设计原则... 35711.4 典型的图数据管理系统... 36011.4.1 通用图数据管理系统... 36111.4.2 知识图谱专用图数据管理系统... 36411.4.3 图数据管理系统使用实例... 366本章小结 370思考题... 371参考文献 371第4篇 应用篇2章 基于知识图谱的语言认知... 37412.1 概述 37512.1.1 语言理解的挑战... 37512.1.2 语言理解需要知识图谱... 37612.1.3 语言理解的任务... 37712.2 实体理解... 37812.2.1 基本模型... 37912.2.2 局部实体链接分数... 38012.2.3 全局实体链接分数... 38112.2.4 模型计算... 38212.2.5 短文本实体链接... 38812.2.6 跨语言实体链接... 38912.3 概念理解... 39112.3.1 单实例概念理解... 39112.3.2 多实例概念理解... 39312.3.3 短语概念理解... 39512.3.4 关系对概念理解... 39712.3.5 概念理解应用举例... 39812.4 属性理解... 399本章小结 401思考题... 402参考文献 4023章 基于知识图谱的搜索与推荐... 40513.1 概述 40513.2 基于知识图谱的搜索... 40813.2.1 搜索概述... 40813.2.2 搜索意图理解... 41113.2.3 目标查找... 41313.2.4 结果呈现... 41313.2.5 实体探索... 41413.3 基于知识图谱的推荐... 41913.3.1 推荐的基本问题与挑战... 41913.3.2 基于知识图谱的物品画像... 42213.3.3 基于知识图谱的用户画像... 42713.3.4 基于知识图谱的跨领域推荐... 42913.3.5 基于知识图谱的可解释推荐... 432本章小结 433思考题... 435参考文献 4354章 基于知识图谱的问答... 43814.1 概述 43814.1.1 问答系统... 43814.1.2 KBQA.. 44114.2 基于模板的KBQA.. 44914.2.1 基于模板的意图识别... 44914.2.2 基于模板的属性关联... 45114.3 基于图模型的KBQA.. 45314.3.1 监督学习方法... 45314.3.2 无监督方法... 45514.4 基于深度学习的KBQA.. 45714.4.1 表示学习... 45814.4.2 分类模型... 45914.4.3 生成模型... 461本章小结 462思考题... 463参考文献 464第5篇 实践篇5章 知识图谱实践... 46815.1 概述 46815.1.1 知识图谱应用的推动力... 46915.1.2 知识图谱应用与产业现状... 47115.1.3 知识图谱实践的系统工程观念... 47215.1.4 知识图谱助力行业智能化的演进路径... 47415.2 知识图谱系统... 47615.2.1 知识图谱系统的外部环境... 47615.2.2 知识图谱系统的关键要素... 47715.2.3 知识图谱系统的典型架构... 47915.3 知识图谱工程... 48515.3.1 基本原则... 48615.3.2 过程模型... 48915.3.3 可行性分析... 49115.3.4 实践建议... 495本章小结 499思考题... 499参考文献 5006章 开放性问题... 50116.1 知识表示... 50116.1.1 与其他知识表示相联合的语义增强... 50116.1.2 过程语义增强... 50216.1.3 时空语义增强... 50316.1.4 跨模态语义增强... 50416.2 知识获取... 50416.2.1 低成本知识获取... 50516.2.2 复杂知识的获取... 50616.2.3 知识获取中的人机协作与评测... 50816.3 知识应用... 50916.3.1 知识图谱上的推理... 50916.3.2 符号知识增强机器学习... 51016.3.3 基于知识图谱的可解释人工智能... 51116.3.4 知识图谱的个性化问题... 511本章小结 512思考题... 513参考文献 513
作者介绍
主要作者简介肖仰华 博士，复旦大学教授、博士生导师、复旦大学知识工场实验室创始人。曾担任多家企业高级技术顾问与首席科学家。曾获得十多个国家、省/市、企业级的研究奖项，曾承担三十多项国家、省/市、企业级研发项目。在国际Ding级学术会议与期刊（包括SIGMOD、VLDB、ICDE、IJCAI、AAAI、ACL、TKDE等）发表论文百余篇，授权近20项知识图谱专利。担任多个国际期刊编委，百余次为国际/国内学术机构/会议提供学术服务工作。领导构建了知识工场平台，发布了一系列知识图谱包括CN-DBpedia、CN-Probase等。
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价