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**专家的**。 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**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。

目 录 前言 基础篇 第1章 理解知识图谱 / 2 1.1 知识图谱概述 / 2 1.1.1 知识定义及分类 / 3 1.1.2 知识图谱定义 / 4 1.1.3 知识图谱分类 / 5 1.1.4 知识图谱发展阶段 / 8 1.2 知识图谱架构 / 8 1.2.1 构建方式 / 8 1.2.2 逻辑架构 / 9 1.2.3 技术架构 / 9 1.3 知识图谱现状 / 13 1.3.1 学术界研究现状 / 13 1.3.2 工业界应用现状 / 13 1.4 知识图谱应用场景 / 14 1.4.1 智能搜索 / 14 1.4.2 **系统 / 15 1.4.3 知识问答 / 15 1.4.4 推理决策 / 16 1.5 本章小结 / 16 构建篇 第2章 知识抽取 / 18 2.1 知识抽取概述 / 18 2.1.1 知识抽取的定义 / 19 2.1.2 知识抽取的任务 / 20 2.2 知识抽取的方法 / 26 2.2.1 面向结构化数据 / 26 2.2.2 面向半结构化数据 / 28 2.2.3 面向非结构化数据 / 30 2.3 知识抽取实例 / 37 2.3.1 Deepdive的安装 和配置 / 38 2.3.2 实验步骤 / 39 2.3.3 模型构建 / 47 2.4 本章小结 / 49 第3章 知识表示 / 50 3.1 知识表示概述 / 50 3.1.1 知识表示的定义 / 50 3.1.2 知识表示的任务 / 51 3.2 知识表示的方法 / 51 3.2.1 基于符号的知识表示 / 51 3.2.2 基于向量的知识表示 / 60 3.3 知识表示实例 / 64 3.3.1 环境配置 / 64 3.3.2 生成映射文件 / 65 3.3.3 将MySQL数据转为RDF 三元组 / 67 3.4 本章小结 / 68 第4章 知识融合 / 69 4.1 知识融合概述 / 69 4.1.1 知识融合的定义 / 70 4.1.2 知识融合的任务 / 70 4.2 知识融合的方法 / 73 4.2.1 本体对齐方法 / 73 4.2.2 实体对齐方法 / 77 4.3 知识融合实例 / 80 4.3.1 环境配置 / 81 4.3.2 预处理与匹配 / 81 4.3.3 结果评估 / 84 4.4 本章小结 / 85 第5章 知识存储 / 86 5.1 知识存储概述 / 86 5.1.1 知识存储的定义 / 86 5.1.2 知识存储的任务 / 87 5.2 知识存储的方法 / 89 5.2.1 基于关系型数据库的 知识存储 / 89 5.2.2 基于NoSQL的 知识存储 / 92 5.2.3 基于分布式的 知识存储 / 96 5.3 知识存储实例 / 98 5.3.1 使用Apache Jena 存储数据 / 98 5.3.2 使用Neo4j数据库 存储数据 / 98 5.4 本章小结 / 103 第6章 知识建模 / 104 6.1 知识建模概述 / 104 6.1.1 知识建模的定义 / 104 6.1.2 知识建模的任务 / 107 6.2 知识建模的方法 / 109 6.2.1 手工建模方法 / 109 6.2.2 半自动建模方法 / 113 6.2.3 本体自动建模方法 / 114 6.3 知识建模实例 / 116 6.3.1 创建项目实例 / 117 6.3.2 创建本体关系和属性 / 118 6.3.3 知识图谱可视化 / 120 6.4 本章小结 / 121 第7章 知识推理 / 122 7.1 知识推理概述 / 122 7.1.1 知识推理的定义 / 122 7.1.2 知识推理的任务 / 123 7.2 知识推理的方法 / 124 7.2.1 基于逻辑规则的推理 / 124 7.2.2 基于知识表示学习的推理 / 131 7.2.3 基于神经网络的推理 / 134 7.2.4 混合推理 / 136 7.3 知识推理实例 / 137 7.4 本章小结 / 139 第8章 知识评估与运维 / 140 8.1 知识评估与运维概述 / 140 8.1.1 知识评估概述 / 141 8.1.2 知识运维概述 / 142 8.2 知识评估与运维的任务 / 143 8.2.1 知识评估任务 / 143 8.2.2 知识运维任务 / 147 8.3 知识评估与运维流程 / 149 8.3.1 知识评估流程 / 149 8.3.2 知识运维流程 / 150 8.4 本章小结 / 151 实践篇 第9章 知识问答评测 / 154 9.1 知识问答系统概述 / 154 9.1.1 知识问答系统定义 / 155 9.1.2 知识问答问题分类 / 155 9.1.3 知识问答评测技术方案 / 157 9.2 自然语言知识问答评测 / 159 9.2.1 任务背景 / 159 9.2.2 数据分析 / 159 9.2.3 技术方案 / 160 9.2.4 任务结果 / 163 9.3 生活服务知识问答评测 / 164 9.3.1 任务背景 / 164 9.3.2 数据分析 / 164 9.3.3 技术方案 / 165 9.3.4 任务结果 / 168 9.4 开放知识问答评测 / 168 9.4.1 任务背景 / 168 9.4.2 数据分析 / 168 9.4.3 技术方案 / 169 9.4.4 任务结果 / 172 9.5 本章小结 / 172 第10章 知识图谱平台 / 173 10.1 知识图谱平台建设背景 / 173 10.2 知识图谱平台基本功能 / 175 10.3 AiMind知识图谱平台 / 175 10.3.1 数据管理 / 176 10.3.2 知识建模 / 180 10.3.3 知识抽取 / 185 10.3.4 知识融合 / 189 10.3.5 知识管理 / 191 10.3.6 知识应用 / 194 10.4 本章小结 / 196 第11章 智能搜索实践 / 197 11.1 智能搜索背景 / 197 11.2 智能搜索业务设计 / 198 11.2.1 场景设计 / 198 11.2.2 知识图谱设计 / 199 11.2.3 模块设计 / 200 11.3 数据获取与预处理 / 201 11.3.1 环境搭建 / 202 11.3.2 数据获取 / 202 11.3.3 知识抽取 / 203 11.3.4 知识存储 / 206 11.4 基于Jena的知识推理 / 207 11.4.1 OWL推理 / 208 11.4.2 Jena规则推理 / 209 11.5 基于 Elasticsearch的 知识搜索 / 210 11.6 本章小结 / 216 第12章 图书**系统实践 / 217 12.1 **系统背景 / 217 12.2 图书**业务设计 / 219 12.2.1 场景设计 / 219 12.2.2 知识图谱设计 / 220 12.2.3 模块设计 / 221 12.3 数据预处理 / 222 12.3.1 环境搭建 / 223 12.3.2 知识抽取 / 224 12.3.3 数据生成 / 225 12.3.4 知识表示 / 227 12.3.5 知识存储 / 229 12.4 模型训练与评估 / 231 12.4.1 模型训练 / 231 12.4.2 模型评估 / 234 12.5 **结果呈现 / 235 12.6 本章小结 / 235 第13章 开放领域知识问答实践 / 236 13.1 知识问答背景 / 236 13.2 知识问答业务设计 / 237 13.2.1 场景设计 / 237 13.2.2 知识图谱设计 / 239 13.2.3 模块设计 / 240 13.3 数据预处理 / 241 13.3.1 环境搭建 / 241 13.3.2 数据获取 / 241 13.3.3 知识表示与存储 / 242 13.4 问句识别及问答实现 / 246 13.4.1 实体识别与链接 / 246 13.4.2 向量建模 / 248 13.4.3 选取自动问答的答案 / 251 13.5 问答结果呈现 / 252 13.6 本章小结 / 254 第14章 交通领域知识问答实践 / 255 14.1 交通领域背景 / 255 14.2 问答业务设计 / 256 14.2.1 场景设计 / 256 14.2.2 知识图谱设计 / 257 14.2.3 模块设计 / 258 14.3 数据预处理 / 259 14.3.1 环境搭建 / 259 14.3.2 数据生成 / 259 14.3.3 知识抽取 / 261 14.3.4 知识表示 / 262 14.3.5 知识存储 / 262 14.4 知识问答系统实现 / 264 14.5 问答结果呈现 / 266 14.6 本章小结 / 267 第15章 汽车领域知识问答实践 / 268 15.1 汽车领域背景 / 268 15.2 问答业务设计 / 269 15.2.1 场景设计 / 269 15.2.2 知识图谱设计 / 270 15.2.3 模块设计 / 273 15.3 数据预处理 / 274 15.3.1 环境搭建 / 275 15.3.2 数据导入 / 275 15.3.3 数据生成 / 277 15.3.4 知识抽取 / 279 15.3.5 知识推理 / 282 15.4 答案匹配与问答系统实现 / 284 15.4.1 答案匹配 / 284 15.4.2 问答系统实现 / 285 15.5 问答结果呈现 / 286 15.6 本章小结 / 288 第16章 金融领域推理决策实践 / 289 16.1 金融决策背景 / 289 16.2 信贷反欺诈业务设计 / 290 16.2.1 场景设计 / 290 16.2.2 知识图谱设计 / 291 16.2.3 模块设计 / 291 16.3 数据预处理 / 292 16.3.1 环境搭建 / 292 16.3.2 数据生成 / 293 16.3.3 知识抽取 / 296 16.3.4 知识表示 / 298 16.3.5 知识存储 / 298 16.4 推理决策实现 / 299 16.4.1 基于自定义规则的Jena 推理机的推理 / 300 16.4.2 基于SPARQL查询语句 的推理 / 302 16.4.3 基于Jena本体模型 的推理 / 304 16.5 本章小结 / 307