自然语言理解与行业知识图谱 概念、方法与工程落地

首先阐述自然语言理解的发展脉络和分析逻辑，主要围绕语言符号、处理体系、语义理解等进行探讨，引出自然语言理解的自动分析原理和方法，包括对自然语言特征、统计语言学习、常规机器学习、深度学习、知识图谱方面的介绍。在上述基本自然语言处理方法讲解基础上，继续阐述行业知识图谱搭建和行业应用的方法。通过作者团队几年来在自然语言处理和行业知识图谱的实践经验，探讨垂直行业认知的逻辑和解决方案。本书为互联网企业的文本智能平台构建的提供了很好的案例参考，也为行业信息化从业者提供了从入门到进阶的一整套技术指导，同时也适合作为自然语言处理、知识图谱、计算机、人工智能等领域从业者的学习指导书，若是对自然语言处理、知识图谱、人工智能感兴趣的学生、创业团队，本书也非常适宜阅读。

推荐序一
推荐序二
前言
符号表
第1章 自然语言之“理解”1
1.1 基本脉络5
1.1.1 文字传承6
1.1.2 机器处理8
1.1.3 理解困境9
1.2 商业曙光10
1.3 认知落脚点12
1.3.1 文本分析之锚13
1.3.2 走向智能之路14
1.3.3 步在何方14
1.4 思辨未来14
1.4.1 语言理解与语义知识的辨析14
1.4.2 行业知识图谱构建问题15
小结15
参考文献16
第2章 自然语言理解逻辑17
2.1 符号-连接-融合17
2.2 语言理解任务18
2.2.1 语法类任务20
2.2.2 语义类任务26
2.2.3 语用类任务34
2.3 语言理解体系42
小结43
参考文献44
第3章 自然语言处理45
3.1 自然语言文本特征46
3.1.1 通用语言文本特征46
3.1.2 行业语言文本特征47
3.1.3 语言文本特征表示48
3.1.4 语言特征选择49
3.2 自然语言统计学习54
3.2.1 统计学习基础54
3.2.2 语言语料库65
3.2.3 语料采样66
3.2.4 语言模型67
3.3 自然语言机器学习69
3.3.1 文本分类方法69
3.3.2 文本标注方法84
3.3.3 文本聚类方法90
3.3.4 文本生成方法95
3.3.5 文本匹配方法97
3.3.6 图计算方法104
3.4 自然语言深度学习114
3.4.1 神经网络学习115
3.4.2 神经网络结构118
3.4.3 深度表示学习136
3.4.4 预训练语言模型139
3.4.5 前沿与思考148
小结149
参考文献149
第4章 知识图谱150
4.1 语言知识与语言知识库150
4.2 知识图谱演进152
4.3 知识图谱工程153
4.3.1 知识表示154
4.3.2 知识加工158
4.3.3 知识建模与计算166
4.3.4 知识存储与查询168
4.3.5 知识更新170
4.4 知识图谱智能171
4.4.1 语义匹配171
4.4.2 搜索推荐172
4.4.3 问答对话174
4.4.4 推理决策175
4.4.5 区块链协作176
4.5 通用知识图谱177
4.5.1 百科知识图谱177
4.5.2 常识知识图谱179
4.5.3 中文类知识图谱180
4.6 行业知识图谱181
4.6.1 金融知识图谱182
4.6.2 医疗知识图谱186
4.6.3 教育知识图谱189
4.6.4 公安知识图谱191
4.6.5 司法知识图谱193
4.6.6 电商生活知识图谱194
4.6.7 图书文献知识图谱196
4.6.8 房地产知识图谱198
小结199
第5章 行业知识工程实践201
5.1 行业知识库202
5.1.1 行业语料库203
5.1.2 行业术语知识库206
5.1.3 行业文本规则库216
5.1.4 行业特征字段库219
5.1.5 行业本体库220
5.1.6 行业附图库225
5.1.7 行业产品库227
5.1.8 行业标准库230
5.1.9 应用知识库232
5.2 行业模型算法库233
5.2.1 文本匹配233
5.2.2 文本分类237
5.2.3 文本标注248
5.2.4 文本生成255
5.2.5 关联图计算260
5.2.6 价值评估261
5.3 标注、训练和更新264
5.3.1 标注工具264
5.3.2 训练框架267
5.3.3 知识更新269
小结269
第6章 行业知识图谱模块271
6.1 关键词助手273
6.1.1 术语图谱274
6.1.2 产品图谱277
6.2 搜索问答278
6.2.1 语义搜索279
6.2.2 功能搜索281
6.2.3 事实型问答283
6.3 推理计算284
小结288
第7章 行业智能应用平台289
7.1 平台架构初探289
7.1.1 硬件拓扑架构290
7.1.2 平台系统架构290
7.1.3 功能服务架构293
7.2 平台认知功能组件293
7.2.1 文本检索293
7.2.2 文本分析298
7.2.3 文本挖掘306
7.2.4 监控预警311
7.2.5 价值运营312
7.2.6 信息流管理313
7.3 权限与安全管理314
7.3.1 架构与流程315
7.3.2 平台用户管理316
7.3.3 安全管理318
小结318
第8章 行业文本智能应用320
8.1 高价值文本发现320
8.1.1 高价值文本定义320
8.1.2 高价值文本评价321
8.1.3 价值发现与价值运营321
8.2 成果分级分类管理322
8.2.1 成果分级323
8.2.2 成果分类323
8.3 新兴方向预测324
8.4 技术背景调查326
小结328
附录A 概率论基础330
附录B 信息论基础339