下载地址：

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。

第1篇  基础篇

 

第1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  TextRunner 151

 

4.4.2  ReVerb. 152

 

4.4.3  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... 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    246

 

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

 

第10章  知识图谱的查询与检索... 314

 

10.1  概述    314

 

10.2  查询语言：SPARQL. 315

 

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

 

第11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

 

第12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

 

第13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

 

第14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  KBQA.. 441

 

14.2  基于模板的KBQA.. 449

 

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KBQA.. 453

 

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KBQA.. 457

 

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

 

第15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

 

第16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