知识图谱实战 构建方法与行业应用

（1）作者权威：科大讯飞大数据及人工智能技术专家于俊近期新力作，曾撰写《Spark核心技术与高级应用》《Spark机器学习进阶实战》，广受好评。（2）专家力荐：王士进（认知智能国家重点实验室副主任、讯飞研究院副院长）、李直旭（复旦大学研究员、博士生导师）、徐童（中国科学技术大学教授）联袂推荐。（3）一书学透：详解知识图谱构建8个核心步骤，涵盖知识图谱落地的8个关键场景。（4）内容前沿：剖析CCKS近3年自然语言知识问答评测、生活服务问答评测、开放知识问答评测任务方案。（5）掌握内涵：援引中国古典著作精选名句揭示知识图谱的内涵。引导读者站在哲学视角来理解知识图谱，看透本质，从而应对应用过程中出现的各种问题。

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资深专家的推荐。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、图书推荐系统、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。

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 推荐系统 / 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
……