知识图谱:概念与技术 肖仰华等 9787121371080 电子工业出版社
当天发货，正版，品相一般都没问题。凡是套书，价格异常便宜的，可能是一本书的价格。
￥ 28.7 2.4折 ￥ 118 九品
库存2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
出版社电子工业出版社
ISBN9787121371080
出版时间2020-01
装帧平装
开本16开
定价118元
货号1218776913683267603
上书时间2024-11-07
- 在售商品 暂无
- 平均发货时间 10小时
- 好评率 暂无
- 最新上架
商品详情
- 品相描述：九品
- 商品描述
-
作者简介
主要作者 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。曾担任多家企业不错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。在靠前很好学术会议与期刊（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。担任多个靠前期刊编委，百余次为靠前/靠前学术机构/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。
目录
篇 基础篇
章 知识图谱概述2
1.1 知识图谱的基本概念2
1.1.1 知识图谱的狭义概念3
1.1.2 知识图谱的广义概念8
1.2 知识图谱的历史沿革10
1.2.1 知识图谱溯源10
1.2.2 大数据知识工程13
1.3 知识图谱的研究意义16
1.3.1 知识图谱是认知智能的基石16
1.3.2 知识引导成为解决问题的重要方式之一19
1.4 知识图谱的应用价值20
1.4.1 数据分析20
1.4.2 智慧搜索21
1.4.3 智能推荐22
1.4.4 自然人机交互23
1.4.5 决策支持23
1.5 知识图谱的分类24
1.5.1 知识图谱中的知识分类25
1.5.2 知识图谱的领域特性26
1.5.3 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43
2.1 概述43
2.2 知识表示45
2.2.1 基本概念45
2.2.2 知识图谱的图表示47
2.2.3 知识图谱的数值表示49
2.2.4 其他相关知识表示54
2.3 机器学习64
2.3.1 机器学习的基本概念65
2.3.2 深度学习概述67
2.3.3 卷积神经网络70
2.3.4 循环神经网络71
2.3.5 注意力机制72
2.4 自然语言处理73
2.4.1 基本概念74
2.4.2 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84
3.1 概述84
3.2 领域短语挖掘86
3.2.1 问题描述87
3.2.2 领域短语挖掘方法88
3.2.3 统计指标特征91
3.3 同义词挖掘95
3.3.1 概述95
3.3.2 典型方法96
3.4 缩略词抽取101
3.4.1 缩略词的概念与形式101
3.4.2 缩略词的检测与抽取103
3.4.3 缩略词的预测105
3.5 实体识别109
3.5.1 概述109
3.5.2 传统的NER方法110
3.5.3 基于深度学习的NER方法114
3.5.4 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127
4.1 概述127
4.1.1 关系抽取的问题和方法分类128
4.1.2 关系抽取常用数据集130
4.1.3 关系抽取评估方法131
4.2 基于模式的抽取133
4.2.1 基于字符模式的抽取134
4.2.2 基于语法模式的抽取135
4.2.3 基于语义模式的抽取135
4.2.4 自动化模式获取：自举法136
4.2.5 基于模式抽取的质量评估138
4.3 基于学习的抽取139
4.3.1 基于监督学习的关系抽取140
4.3.2 基于远程监督学习的关系抽取142
4.3.3 基于深度学习的关系抽取144
4.4 开放关系抽取150
4.4.1 TextRunner151
4.4.2 ReVerb152
4.4.3 Ollie154
本章小结154
思考题156
参考文献157
第5章 概念图谱构建160
5.1 概述160
5.1.1 常见的概念图谱163
5.1.2 概念图谱的应用166
5.2 isA关系抽取168
5.2.1 基于在线百科的方法169
5.2.2 基于模式的方法170
5.2.3 中文概念图谱的构建172
5.3 isA关系补全175
5.3.1 isA关系缺失的成因176
5.3.2 基于isA关系传递性的概念图谱补全177
5.3.3 基于协同过滤思想的概念图谱补全179
5.4 isA关系纠错181
5.4.1 错误的成因182
5.4.2 基于支持度的纠错183
5.4.3 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189
6.1 概述189
6.1.1 什么是百科图谱189
6.1.2 百科图谱的意义190
6.1.3 百科图谱的分类191
6.2 基于单源的百科图谱构建192
6.2.1 数据获取193
6.2.2 属性抽取195
6.2.3 关系构建200
6.2.4 概念层级体系构建201
6.2.5 实体分类201
6.3 基于多源的百科图谱融合207
6.3.1 基于多个知识图谱的融合方法207
6.3.2 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221
7.1 概述221
7.2 知识型众包的基本概念223
7.3 知识型众包研究的问题226
7.3.1 What（对什么任务进行众包）226
7.3.2 Whom（将任务交予谁完成）229
7.3.3 How（如何完成众包）230
7.4 基于众包的知识图谱构建与精化235
7.4.1 本体构建阶段的人工介入235
7.4.2 知识图谱构建阶段的人工介入237
7.4.3 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
第8章 知识图谱的质量控制250
8.1 概述251
8.1.1 知识图谱质量评估的维度251
8.1.2 知识图谱质量评估的方法253
8.1.3 知识图谱质量控制全周期概览254
8.2 缺失知识的发现与补全260
8.2.1 类型补全260
8.2.2 关系补全263
8.2.3 属性值补全268
8.3 错误知识的发现与纠正270
8.3.1 错误实体类型检测271
8.3.2 错误实体关系检测271
8.3.3 错误属性值检测273
8.4 过期知识的更新274
8.4.1 基于更新频率预测的更新机制275
8.4.2 基于时间标签的更新机制276
8.4.3 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286
9.1 概述286
9.2 知识图谱的数据模型287
9.2.1 知识图谱的三元组模型287
9.2.2 知识图谱的图模型291
9.3 知识图谱的物理存储296
9.3.1 知识图谱数据的基本操作296
9.3.2 知识图谱的关系表存储297
9.3.3 知识图谱的图存储302
9.3.4 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310
0章 知识图谱的查询与检索314
10.1 概述314
10.2 查询语言：SPARQL315
10.2.1 简单查询315
10.2.2 SPARQL查询机制及知识图谱上的推理321
10.3 子图查询324
10.3.1 子图查询基本知识324
10.3.2 近似子图查询326
10.3.3 Top-k查询331
10.3.4 索引结构334
10.4 其他查询335
10.4.1 路径查询335
10.4.2 关键词查询337
10.4.3 社团搜索339
本章小结342
思考题343
参考文献343
1章 图数据管理系统347
11.1 概述347
11.2 知识图谱与图数据管理系统348
11.2.1 大图管理的挑战350
11.2.2 图数据管理系统的重要性352
11.2.3 图数据管理系统管理知识图谱的挑战354
11.3 图数据管理系统的基本架构和设计原则357
11.4 典型的图数据管理系统360
11.4.1 通用图数据管理系统361
11.4.2 知识图谱专用图数据管理系统364
11.4.3 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374
12.1 概述375
12.1.1 语言理解的挑战375
12.1.2 语言理解需要知识图谱376
12.1.3 语言理解的任务377
12.2 实体理解378
12.2.1 基本模型379
12.2.2 局部实体链接分数380
12.2.3 全局实体链接分数381
12.2.4 模型计算382
12.2.5 短文本实体链接388
12.2.6 跨语言实体链接389
12.3 概念理解391
12.3.1 单实例概念理解391
12.3.2 多实例概念理解393
12.3.3 短语概念理解395
12.3.4 关系对概念理解397
12.3.5 概念理解应用举例398
12.4 属性理解399
本章小结401
思考题402
参考文献402
3章 基于知识图谱的搜索与推荐405
13.1 概述405
13.2 基于知识图谱的搜索408
13.2.1 搜索概述408
13.2.2 搜索意图理解411
13.2.3 目标查找413
13.2.4 结果呈现413
13.2.5 实体探索414
13.3 基于知识图谱的推荐419
13.3.1 推荐的基本问题与挑战419
13.3.2 基于知识图谱的物品画像422
13.3.3 基于知识图谱的用户画像427
13.3.4 基于知识图谱的跨领域推荐429
13.3.5 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435
4章 基于知识图谱的问答438
14.1 概述438
14.1.1 问答系统438
14.1.2 KBQA441
14.2 基于模板的KBQA449
14.2.1 基于模板的意图识别449
14.2.2 基于模板的属性关联451
14.3 基于图模型的KBQA453
14.3.1 监督学习方法453
14.3.2 无监督方法455
14.4 基于深度学习的KBQA457
14.4.1 表示学习458
14.4.2 分类模型459
14.4.3 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468
15.1 概述468
15.1.1 知识图谱应用的推动力469
15.1.2 知识图谱应用与产业现状471
15.1.3 知识图谱实践的系统工程观念472
15.1.4 知识图谱助力行业智能化的演进路径474
15.2 知识图谱系统476
15.2.1 知识图谱系统的外部环境476
15.2.2 知识图谱系统的关键要素477
15.2.3 知识图谱系统的典型架构479
15.3 知识图谱工程485
15.3.1 基本原则486
15.3.2 过程模型489
15.3.3 可行性分析491
15.3.4 实践建议495
本章小结499
思考题499
参考文献500
6章 开放性问题501
16.1 知识表示501
16.1.1 与其他知识表示相联合的语义增强501
16.1.2 过程语义增强502
16.1.3 时空语义增强503
16.1.4 跨模态语义增强504
16.2 知识获取504
16.2.1 低成本知识获取505
16.2.2 复杂知识的获取506
16.2.3 知识获取中的人机协作与评测508
16.3 知识应用509
16.3.1 知识图谱上的推理509
16.3.2 符号知识增强机器学习510
16.3.3 基于知识图谱的可解释人工智能511
16.3.4 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
内容摘要
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。全书共五篇，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。
主编推荐
"•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。
•写作团队成员均为靠前知名高校和研究所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。
"
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价