知识图谱实战：构建方法与行业应用
全新正版 极速发货
￥ 71.3 7.2折 ￥ 99 全新
库存2件
广东广州
认证卖家担保交易快速发货售后保障
作者于俊 李雅洁 彭加琪 程知远 著
出版社机械工业出版社
ISBN9787111721642
出版时间2023-02
装帧平装
开本16开
定价99元
货号31679618
上书时间2024-05-30
商品详情
- 品相描述：全新
- 商品描述
-
前言
商品简介这是一本综合介绍知识图谱构建与行业实践的著作，是作者多年从事知识图谱与认知智能应用落地经验的总结，得到了多位知识图谱资深专家的推荐。
本书以通俗易懂的方式来讲解知识图谱相关的知识，尤其对从零开始构建知识图谱过程中需要经历的步骤，以及每个步骤需要考虑的问题都给予较为详细的解释。
本书基于实际业务进行抽象，结合知识图谱的7个构建步骤，深入分析知识图谱技术应用以及8个行业综合案例的设计与实现。
全书分为基础篇、构建篇、实践篇，共16章内容。
基础篇（第1章），介绍知识图谱的定义、分类、发展阶段，以及构建方式、逻辑/技术架构、现状与应用场景等。
构建篇（第2～8章），详细介绍知识抽取、知识表示、知识融合、知识存储、知识建模、知识推理、知识评估与运维等知识图谱构建的核心步骤，并结合实例讲解应用方法。
实践篇（第9～16章），详细讲解知识图谱的综合应用，涵盖知识问答评测、知识图谱平台、智能搜索、图书推荐系统、开放领域知识问答、交通领域知识问答、汽车领域知识问答、金融领域推理决策。
作者简介
于俊<br/>中国科学技术大学电子信息专业博士研究生，科大讯飞大数据及人工智能技术专家，安徽大学计算机技术专业硕士生导师，CCF高级会员。有超过15年的大数据及人工智能算法工程化经验，专注大数据分析及数据价值挖掘、大数据及人工智能技术应用落地。著有《Spark核心技术与高级应用》《Spark机器学习进阶实战》等书。<br/><br/>李雅洁<br/>华中科技大学应用统计硕士，在知识图谱、自然语言处理、大数据分析与挖掘、机器学习等领域有丰富的研究和开发经验。精通Python、R语言以及Spark等大数据框架，擅长自然语言处理及知识图谱构建。<br/><br/>彭加琪<br/>中国科学技术大学计算机科学硕士，科大讯飞核心研发平台主管，负责AI数据平台和知识中台建设，精通Java、Python等编程语言，擅长分布式系统建设以及企业级知识图谱构建与应用。<br/><br/>程知远<br/>悉尼大学数据科学硕士，科大讯飞大数据工程师，负责智慧教学产品及学生行为分析的算法研究及引擎实现。精通Java、Python等编程语言，擅长分布式系统建设以及企业级知识图谱构建与应用。
目录
目 录前言基础篇第1章 理解知识图谱 / 21.1 知识图谱概述 / 21.1.1 知识定义及分类 / 31.1.2 知识图谱定义 / 41.1.3 知识图谱分类 / 51.1.4 知识图谱发展阶段 / 81.2 知识图谱架构 / 81.2.1 构建方式 / 81.2.2 逻辑架构 / 91.2.3 技术架构 / 91.3 知识图谱现状 / 131.3.1 学术界研究现状 / 131.3.2 工业界应用现状 / 131.4 知识图谱应用场景 / 141.4.1 智能搜索 / 141.4.2 推荐系统 / 151.4.3 知识问答 / 151.4.4 推理决策 / 161.5 本章小结 / 16构建篇第2章 知识抽取 / 182.1 知识抽取概述 / 182.1.1 知识抽取的定义 / 192.1.2 知识抽取的任务 / 202.2 知识抽取的方法 / 262.2.1 面向结构化数据 / 262.2.2 面向半结构化数据 / 282.2.3 面向非结构化数据 / 302.3 知识抽取实例 / 372.3.1 Deepdive的安装和配置 / 382.3.2 实验步骤 / 392.3.3 模型构建 / 472.4 本章小结 / 49第3章 知识表示 / 503.1 知识表示概述 / 503.1.1 知识表示的定义 / 503.1.2 知识表示的任务 / 513.2 知识表示的方法 / 513.2.1 基于符号的知识表示 / 513.2.2 基于向量的知识表示 / 603.3 知识表示实例 / 643.3.1 环境配置 / 643.3.2 生成映射文件 / 653.3.3 将MySQL数据转为RDF三元组 / 673.4 本章小结 / 68第4章 知识融合 / 694.1 知识融合概述 / 694.1.1 知识融合的定义 / 704.1.2 知识融合的任务 / 704.2 知识融合的方法 / 734.2.1 本体对齐方法 / 734.2.2 实体对齐方法 / 774.3 知识融合实例 / 804.3.1 环境配置 / 814.3.2 预处理与匹配 / 814.3.3 结果评估 / 844.4 本章小结 / 85第5章 知识存储 / 865.1 知识存储概述 / 865.1.1 知识存储的定义 / 865.1.2 知识存储的任务 / 875.2 知识存储的方法 / 895.2.1 基于关系型数据库的知识存储 / 895.2.2 基于NoSQL的知识存储 / 925.2.3 基于分布式的知识存储 / 965.3 知识存储实例 / 985.3.1 使用Apache Jena存储数据 / 985.3.2 使用Neo4j数据库存储数据 / 985.4 本章小结 / 103第6章 知识建模 / 1046.1 知识建模概述 / 1046.1.1 知识建模的定义 / 1046.1.2 知识建模的任务 / 1076.2 知识建模的方法 / 1096.2.1 手工建模方法 / 1096.2.2 半自动建模方法 / 1136.2.3 本体自动建模方法 / 1146.3 知识建模实例 / 1166.3.1 创建项目实例 / 1176.3.2 创建本体关系和属性 / 1186.3.3 知识图谱可视化 / 1206.4 本章小结 / 121第7章 知识推理 / 1227.1 知识推理概述 / 1227.1.1 知识推理的定义 / 1227.1.2 知识推理的任务 / 1237.2 知识推理的方法 / 1247.2.1 基于逻辑规则的推理 / 1247.2.2 基于知识表示学习的推理 / 1317.2.3 基于神经网络的推理 / 1347.2.4 混合推理 / 1367.3 知识推理实例 / 1377.4 本章小结 / 139第8章 知识评估与运维 / 1408.1 知识评估与运维概述 / 1408.1.1 知识评估概述 / 1418.1.2 知识运维概述 / 1428.2 知识评估与运维的任务 / 1438.2.1 知识评估任务 / 1438.2.2 知识运维任务 / 1478.3 知识评估与运维流程 / 1498.3.1 知识评估流程 / 1498.3.2 知识运维流程 / 1508.4 本章小结 / 151实践篇第9章 知识问答评测 / 1549.1 知识问答系统概述 / 1549.1.1 知识问答系统定义 / 1559.1.2 知识问答问题分类 / 1559.1.3 知识问答评测技术方案 / 1579.2 自然语言知识问答评测 / 1599.2.1 任务背景 / 1599.2.2 数据分析 / 1599.2.3 技术方案 / 1609.2.4 任务结果 / 1639.3 生活服务知识问答评测 / 1649.3.1 任务背景 / 1649.3.2 数据分析 / 1649.3.3 技术方案 / 1659.3.4 任务结果 / 1689.4 开放知识问答评测 / 1689.4.1 任务背景 / 1689.4.2 数据分析 / 1689.4.3 技术方案 / 1699.4.4 任务结果 / 1729.5 本章小结 / 172第10章 知识图谱平台 / 17310.1 知识图谱平台建设背景 / 17310.2 知识图谱平台基本功能 / 17510.3 AiMind知识图谱平台 / 17510.3.1 数据管理 / 17610.3.2 知识建模 / 18010.3.3 知识抽取 / 18510.3.4 知识融合 / 18910.3.5 知识管理 / 19110.3.6 知识应用 / 19410.4 本章小结 / 196第11章 智能搜索实践 / 19711.1 智能搜索背景 / 19711.2 智能搜索业务设计 / 19811.2.1 场景设计 / 19811.2.2 知识图谱设计 / 19911.2.3 模块设计 / 20011.3 数据获取与预处理 / 20111.3.1 环境搭建 / 20211.3.2 数据获取 / 20211.3.3 知识抽取 / 20311.3.4 知识存储 / 20611.4 基于Jena的知识推理 / 20711.4.1 OWL推理 / 20811.4.2 Jena规则推理 / 20911.5 基于 Elasticsearch的知识搜索 / 21011.6 本章小结 / 216第12章 图书推荐系统实践 / 21712.1 推荐系统背景 / 21712.2 图书推荐业务设计 / 21912.2.1 场景设计 / 21912.2.2 知识图谱设计 / 22012.2.3 模块设计 / 22112.3 数据预处理 / 22212.3.1 环境搭建 / 22312.3.2 知识抽取 / 22412.3.3 数据生成 / 22512.3.4 知识表示 / 22712.3.5 知识存储 / 22912.4 模型训练与评估 / 23112.4.1 模型训练 / 23112.4.2 模型评估 / 23412.5 推荐结果呈现 / 23512.6 本章小结 / 235第13章 开放领域知识问答实践 / 23613.1 知识问答背景 / 23613.2 知识问答业务设计 / 23713.2.1 场景设计 / 23713.2.2 知识图谱设计 / 23913.2.3 模块设计 / 24013.3 数据预处理 / 24113.3.1 环境搭建 / 24113.3.2 数据获取 / 24113.3.3 知识表示与存储 / 24213.4 问句识别及问答实现 / 24613.4.1 实体识别与链接 / 24613.4.2 向量建模 / 24813.4.3 选取自动问答的答案 / 25113.5 问答结果呈现 / 25213.6 本章小结 / 254第14章 交通领域知识问答实践 / 25514.1 交通领域背景 / 25514.2 问答业务设计 / 25614.2.1 场景设计 / 25614.2.2 知识图谱设计 / 25714.2.3 模块设计 / 25814.3 数据预处理 / 25914.3.1 环境搭建 / 25914.3.2 数据生成 / 25914.3.3 知识抽取 / 26114.3.4 知识表示 / 26214.3.5 知识存储 / 26214.4 知识问答系统实现 / 26414.5 问答结果呈现 / 26614.6 本章小结 / 267第15章 汽车领域知识问答实践 / 26815.1 汽车领域背景 / 26815.2 问答业务设计 / 26915.2.1 场景设计 / 26915.2.2 知识图谱设计 / 27015.2.3 模块设计 / 27315.3 数据预处理 / 27415.3.1 环境搭建 / 27515.3.2 数据导入 / 27515.3.3 数据生成 / 27715.3.4 知识抽取 / 27915.3.5 知识推理 / 28215.4 答案匹配与问答系统实现 / 28415.4.1 答案匹配 / 28415.4.2 问答系统实现 / 28515.5 问答结果呈现 / 28615.6 本章小结 / 288第16章 金融领域推理决策实践 / 28916.1 金融决策背景 / 28916.2 信贷反欺诈业务设计 / 29016.2.1 场景设计 / 29016.2.2 知识图谱设计 / 29116.2.3 模块设计 / 29116.3 数据预处理 / 29216.3.1 环境搭建 / 29216.3.2 数据生成 / 29316.3.3 知识抽取 / 29616.3.4 知识表示 / 29816.3.5 知识存储 / 29816.4 推理决策实现 / 29916.4.1 基于自定义规则的Jena推理机的推理 / 30016.4.2 基于SPARQL查询语句的推理 / 30216.4.3 基于Jena本体模型的推理 / 30416.5 本章小结 / 307
内容摘要
这是一本综合介绍知识图谱构建与行业实践的著作，是作者多年从事知识图谱与认知智能应用落地经验的总结，得到了多位知识图谱资深专家的推荐。本书以通俗易懂的方式来讲解知识图谱相关的知识，尤其对从零开始构建知识图谱过程中需要经历的步骤，以及每个步骤需要考虑的问题都给予较为详细的解释。本书基于实际业务进行抽象，结合知识图谱的7个构建步骤，深入分析知识图谱技术应用以及8个行业综合案例的设计与实现。全书分为基础篇、构建篇、实践篇，共16章内容。基础篇（第1章），介绍知识图谱的定义、分类、发展阶段，以及构建方式、逻辑/技术架构、现状与应用场景等。构建篇（第2～8章），详细介绍知识抽取、知识表示、知识融合、知识存储、知识建模、知识推理、知识评估与运维等知识图谱构建的核心步骤，并结合实例讲解应用方法。实践篇（第9～16章），详细讲解知识图谱的综合应用，涵盖知识问答评测、知识图谱平台、智能搜索、图书推荐系统、开放领域知识问答、交通领域知识问答、汽车领域知识问答、金融领域推理决策。
主编推荐
（1）作者权威：科大讯飞大数据及人工智能技术专家于俊近期新力作，曾撰写《Spark核心技术与高级应用》《Spark机器学习进阶实战》，广受好评。（2）专家力荐：王士进（认知智能国家重点实验室副主任、讯飞研究院副院长）、李直旭（复旦大学研究员、博士生导师）、徐童（中国科学技术大学教授）联袂推荐。（3）一书学透：详解知识图谱构建8个核心步骤，涵盖知识图谱落地的8个关键场景。（4）内容前沿：剖析CCKS近3年自然语言知识问答评测、生活服务问答评测、开放知识问答评测任务方案。（5）掌握内涵：援引中国古典著作精选名句揭示知识图谱的内涵。引导读者站在哲学视角来理解知识图谱，看透本质，从而应对应用过程中出现的各种问题。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价