【现货速发】知识图谱研究与领域实践

知识图谱已被广泛应用于智能信息搜索、自动问答、决策分析等领域。本书以构建领域多层次知识体系支撑智能应用为目标，系统地介绍实体关系图谱、事理图谱和业务主题图谱构建过程中涉及的关键技术，如知识抽取、知识融合、知识存储、事件和场景抽取、事件模式库构建、事理规则挖掘、层次主题挖掘、动态主题挖掘、对象属性挖掘、主题要素关联挖掘等。此外，本书还提供丰富的案例，展现如何利用知识图谱实现领域智能应用。

本书内容对于知识图谱研究和领域应用具有一定的参考意义，既适合专业人士了解知识图谱和深度学习前沿热点，又适合在相关领域从事知识图谱应用开发的人员学习，还可以作为高等院校人工智能专业师生的参考教材。

冯钧，日本名古屋大学信息工程博士，博士生导师，现就职于河海大学计算机与信息学院，长期从事数据管理、领域知识工程、水利大数据应用研究。主持或参与国家重点研发计划项目、国家重大专项、国家科技支撑计划、国家自然科学基金、水利部公益性行业专项重点项目、江苏省科技支撑计划以及重点工程科研项目等30余项目。获国家科技进步二等奖1项，省部级科技进步一等奖2项、二等奖1项，发表学术论文80余篇。主持编制水利行业标准2部，出版英文学术专著1部，申请国家发明专利60余件，获授权国家发明专利30余项，软件著作权10余项。江苏省“青蓝工程”优秀青年骨干教师。

目 录

第 1章 绪论 001

1.1 知识图谱简介 001

1.2 领域分层知识体系 003

参考文献 004

第 2章 实体关系图谱构建技术 005

2.1 知识抽取 005

2.1.1 引言 005

2.1.2 相关工作 006

2.1.3 基于维基百科的知识抽取 010

2.1.4 水利空间关系词识别与提取 014

2.1.5 面向领域知识图谱的关系抽取 020

2.1.6 基于强化学习的关系抽取 031

2.1.7 基于联合学习的实体关系抽取 039

2.1.8 总结 043

2.2 知识融合 044

2.2.1 引言 044

2.2.2 相关工作 044

2.2.3 基于多特征的实体消歧 051

2.2.4 基于词典的属性对齐 055

2.2.5 基于贝叶斯分析的属性真值发现 056

2.2.6 实验分析 060

2.2.7 总结 063

2.3 知识存储 063

2.3.1 引言 063

2.3.2 相关工作 064

2.3.3 基于频繁谓词的扩展垂直划分方法 065

2.3.4 基于频繁谓词树的SPARQL查询方法 069

2.3.5 基于混合存储模式的分布式SPARQL查询优化 076

2.3.6 总结 084

参考文献 084

第3章 事理图谱构建 091

3.1 事件和场景抽取 091

3.1.1 引言 091

3.1.2 相关工作 093

3.1.3 基于预训练模型的事件抽取 095

3.1.4 基于Bi-LG-LSTM神经网络的一元时间序列分割 101

3.1.5 基于滑动窗口采样和DTWCorr度量方式的多元时间序列分割 107

3.1.6 总结 113

3.2 事件模式库构建 114

3.2.1 引言 114

3.2.2 相关工作 114

3.2.3 基于特征提取与选择的多元时间序列聚类 115

3.2.4 基于子序列全连接的时间序列模体挖掘 122

3.2.5 基于时间序列关系的多元时间序列关联规则挖掘 129

3.2.6 总结 135

3.3 事理规则挖掘 136

3.3.1 引言 136

3.3.2 相关工作 136

3.3.3 基于事理图谱的时空场景事件演化成因分析 137

3.3.4 总结 144

参考文献 144

第4章 业务主题图谱构建技术 149

4.1 层次主题挖掘技术 149

4.1.1 引言 149

4.1.2 相关工作 150

4.1.3 基于标签信息的文本主题层次挖掘模型 151

4.1.4 总结 160

4.2 动态主题挖掘技术 161

4.2.1 引言 161

4.2.2 相关研究 161

4.2.3 基于主题关联度的动态主题演化路径挖掘 162

4.2.4 总结 166

4.3 对象属性挖掘技术 166

4.3.1 引言 166

4.3.2 相关工作 166

4.3.3 基于LDA和同义词识别的对象属性挖掘 167

4.3.4 总结 174

4.4 主题 要素关联挖掘技术 174

4.4.1 引言 174

4.4.2 相关工作 174

4.4.3 基于文档网络图的主题关键要素挖掘 176

4.4.4 总结 182

参考文献 182

第5章 领域知识应用 187

5.1 智能数据服务技术的应用案例 187

5.1.1 引言 187

5.1.2 基于知识图谱的多关系问答 188

5.1.3 水利领域知识图谱可视化 197

5.1.4 基于知识图谱的个性化推荐 204

5.1.5 面向基础水利对象的多模态数据关联与应用 208

5.1.6 总结 214

5.2 智能决策支持的应用案例 214

5.2.1 引言 214

5.2.2 基于时空特征模式库的决策方案生成和优化 214

5.2.3 基于事理图谱演化模式的反向成因分析 227

5.2.4 总结 230

5.3 智能预测模型的应用案例 231

5.3.1 引言 231

5.3.2 基于多特征小样本数据的洪水预报 231

5.3.3 基于可解释的时空注意力网络方法的洪水预报 241

5.3.4 基于特征融合的洪水预测 252

5.3.5 基于可解释的洪水多步预测方法 258

5.3.6 总结 263

5.4 基于耦合网络的业务协同预演 264

5.4.1 引言 264

5.4.2 耦合网络定义与表示 265

5.4.3 面向业务的协同预演系统架构 266

5.4.4 总结 268

参考文献 268

知识图谱已被广泛应用于智能信息搜索、自动问答、决策分析等领域。本书以构建领域多层次知识体系支撑智能应用为目标，系统地介绍实体关系图谱、事理图谱和业务主题图谱构建过程中涉及的关键技术，如知识抽取、知识融合、知识存储、事件和场景抽取、事件模式库构建、事理规则挖掘、层次主题挖掘、动态主题挖掘、对象属性挖掘、主题要素关联挖掘等。此外，本书还提供丰富的案例，展现如何利用知识图谱实现领域智能应用。

本书内容对于知识图谱研究和领域应用具有一定的参考意义，既适合专业人士了解知识图谱和深度学习前沿热点，又适合在相关领域从事知识图谱应用开发的人员学习，还可以作为高等院校人工智能专业师生的参考教材。

冯钧，日本名古屋大学信息工程博士，博士生导师，现就职于河海大学计算机与信息学院，长期从事数据管理、领域知识工程、水利大数据应用研究。主持或参与国家重点研发计划项目、国家重大专项、国家科技支撑计划、国家自然科学基金、水利部公益性行业专项重点项目、江苏省科技支撑计划以及重点工程科研项目等30余项目。获国家科技进步二等奖1项，省部级科技进步一等奖2项、二等奖1项，发表学术论文80余篇。主持编制水利行业标准2部，出版英文学术专著1部，申请国家发明专利60余件，获授权国家发明专利30余项，软件著作权10余项。江苏省“青蓝工程”优秀青年骨干教师。