基于知识图谱的可解释人工智能

本书着重从方法论角度对基于知识图谱的可解释人工智能的相关研究进行分类梳理，并挑选了智能推荐、问答对话、关系推理等三个具有代表性的人工智能任务，在每个任务下遴选出近年来有具有里程碑意义的典型研究成果，详细介绍基于知识图谱的可解释人工智能的理论模型和应用情况。本书既涵盖了大量经典算法，又引入了近年来在该领域研究中涌现出的新方法、新思路，力求兼顾内容的基础性和前沿性。同时，本书还融入了笔者多年来从事以自然语言处理和知识工程为核心的人工智能研究与应用过程中对于知识图谱和可解释人工智能的机理内涵理解与发展趋势研判，详细介绍了知识图谱和可解释人工智能的相关概念内涵、特征机理、关键技术、主要方向、典型案例、演进历程、当前挑战、发展趋势等。

王亚|，博士，高级工程师，2012年毕业于北京理工大学计算机学院获学士学位，2018年毕业于北京理工大学计算机学院获博士学位，研究方向包括自然语言处理、数据挖掘、知识图谱、社交网络分析等。牵头国家自然科学基金青年科学基金、中国博士后科学基金会面上资助、中国电科集团新一代人工智能专项行动计划等项目。获2021年中国电子学会科技进步二等奖（6/10）、获2018年人工智能学会优秀博士学位论文奖等。现任中国中文信息学会语言与知识计算专委会委员、中国图象图形学学会情感计算与理解专业委员会委员等，中国科学技术大学、上海交通大学、北京邮电大学、北京工业大学等高校研究生企业导师。近五年，以第一作者（含通讯作者）身份发表TKDE、TKDD、ACL、WWW、IJCAI等顶级会议/期刊论文20余篇，受理发明专利20项，出版学术专著1部。

第1章 绪论 1.1 研究背景与意义 1.2 研究问题与内容 1.3 研究内容的定位 1.4 本书的内容组织结构 第2章 知识图谱 2.1 引言 2.2 知识图谱概述 2.2.1 知识的定义与内涵 2.2.2 知识图谱的定义与内涵 2.2.3 知识图谱逻辑架构 2.2.4 知识图谱演进历程 2.3 知识图谱构建关键技术概述 2.3.1 知识抽取 2.3.2 知识融合 2.3.3 知识加工 2.4 知识图谱应用关键技术 2.4.1 知识表示 2.4.2 知识推理 2.4.3 知识迁移 2.5 典型知识图谱产品 2.6 典型知识图谱的应用 2.7 知识图谱关键技术发展方向分析 第3章 可解释人工智能 3.1 人工智能概述 3.1.1 概念内涵 3.1.2 主要学派 3.1.3 核心基石 3.1.4 发展层次 3.2 第一代人工智能 3.3 第二代人工智能 3.4 第三代人工智能 3.5 可解释人工智能 3.5.1 背景与意义 3.5.2 定义与目标 3.5.3 研究内容 3.5.4 典型项目 3.5.5 面临挑战与发展趋势 第4章 基于知识图谱的可解释人工智能 4.1 引言 4.2 知识图谱对于可解释人工智能的优势分析 4.3 基于知识图谱的可解释人工智能的研究内容 4.3.1 结果视角分类：是否强调以路径作为解释依据 4.3.2 过程角度分类：知识注入方式 4.4 符号定义 4.5 基于知识图谱的可解释智能推荐 4.5.1 基于可解释性知识路径递归的智能推荐 4.5.2 基于可解释性知识图谱强化学习的智能推荐 4.5.3 基于可解释性用户偏好传播的智能推荐 4.5.4 面向知识图谱智能推荐的可解释人机交互 4.5.5 基于可解释性知识增强图神经网络的智能推荐 4.6 基于知识图谱的可解释问答对话 4.6.1 基于可解释性逻辑查询向量建模的问答对话 4.6.2 基于可解释性“箱子”向量推理的问答对话 4.6.3 基于可解释性知识图谱补全的问答对话 4.6.4 基于可解释性可微建模的大规模问答对话 4.6.5 基于可解释对话意图挖掘的问答对话 4.7 基于知识图谱的可解释关系推理 4.7.1 基于可解释性轻量化知识表示学习嵌入的关系推理 4.7.2 基于可解释性知识交叉交互建模的关系推理 4.7.3 基于可解释性多关系学习的关系推理 4.7.4 基于可解释性因式分解的关系推理 4.7.5 基于可解释性知识迁移的关系推理 第5章 总结与展望 5.1 总结 5.2 发展趋势与展望 参考文献