知識圖譜：基礎、技術與應用

馬揚克·柯內瓦爾（Mayank Kejriwal）

美國南加州大學工業與系統工程系研究副教授，他擁有計算機科學博士學位，其畢業論文獲2017年語義網科學協會最佳論文獎。他在ISWC、AAAI等頂會/期刊上發表論文40余篇，並入選2019年Forbes 30 Under 30科學榜。

克雷格·A. 諾布洛克（Craig A. Knoblock）

AAAI會士、ACM會士，美國南加州大學信息科學研究所執行所長、知識圖譜研究中心研究主任，卡內基?梅隆大學計算機科學博士，曾任國際人工智能聯合會議（IJCAI）主席及理事，人工智能重要獎項羅伯特·S. 恩格爾莫爾獎得主。

佩德羅·塞凱伊（Pedro Szekely）

亞馬遜首席應用科學家，卡內基?梅隆大學計算機科學博士，曾任職於美國南加州大學信息科學研究所及多個學術會議程序委員會。他在“領域洞察圖譜”方面的研究成果榮獲多項
作者簡介
馬揚克·柯內瓦爾（Mayank Kejriwal）

第 一部分 知識圖譜基礎知識

第 1章 知識圖譜導論 2

1.1 圖 2

1.2 將知識表示為圖 3

1.3 知識圖譜應用案例 7

1.3.1 案例1：學術出版物和學者 7

1.3.2 案例2：電子商務、產品和公司 8

1.3.3 案例3：社會網絡 8

1.3.4 案例4：地緣政治事件 9

1.4 如何閱讀本書 11

1.5 本章小結 11

1.6 軟件和資源 12

1.7 文獻註釋 12

1.8 習題 14

第 2章 知識圖譜建模與表示 16

2.1 概覽 16

2.1.1 RDF 17

2.1.2 RDF 序列化 20

2.2 RDF 模式 22

2.2.1 RDF 模式的類別 22

2.2.2 RDF 模式的屬性 24

2.3 以屬性為中心的模型 25

2.4 Wikidata 模型 26

2.4.1 Wikidata 數據項 29

2.4.2 Wikidata 屬性 30

2.5 語義網多層蛋糕 32

2.6 模式異質性和語義標記 33

2.7 本章小結 35

2.8 軟件和資源 35

2.9 文獻註釋 36

2.10 習題 38

第二部分 知識圖譜構建

第3章 領域發現 42

3.1 概覽 42

3.2 聚焦抓取 44

3.2.1 設計要素 45

3.2.2 最佳優先爬蟲 47

3.2.3 語義爬蟲 48

3.2.4 學習爬蟲 49

3.2.5 聚焦抓取的性能評估 50

3.3 有影響力的系統和方法 51

3.3.1 語境爬蟲 51

3.3.2 領域發現工具 53

3.4 本章小結 57

3.5 軟件和資源 57

3.6 文獻註釋 58

3.7 習題 60

第4章 命名實體識別 62

4.1 概覽 62

4.2 為什麽很難提取信息 65

4.3 命名實體識別方法 66

4.3.1 監督學習方法 67

4.3.2 半監督學習方法和無監督學習方法 70

4.4 用於命名實體識別的深度學習 71

4.5 具體領域的命名實體識別 73

4.6 評估信息提取質量 73

4.7 本章小結 74

4.8 軟件和資源 75

4.9 文獻註釋 75

4.10 習題 77

第5章 互聯網信息提取 78

5.1 概覽 78

5.2 生成包裝器 81

5.2.1 手動構建的包裝器和監督包裝器 82

5.2.2 半監督包裝器 85

5.2.3 無監督包裝器 86

5.2.4 實證比較分析 89

5.3 不止包裝器：針對結構化數據的信息提取 90

5.4 本章小結 95

5.5 軟件和資源 96

5.6 文獻註釋 97

5.7 習題 98

第6章 關系提取 100

6.1 概覽 100

6.2 本體和相關項目 102

6.2.1 ACE 102

6.2.2 其他本體：簡要入門 104

6.3 關系提取技術 105

6.3.1 監督關系提取 105

6.3.2 評估監督關系提取 108

6.3.3 半監督關系提取 108

6.3.4 無監督關系提取 110

6.4 最近的研究：針對關系提取的深度學習 111

6.5 關系提取拓展：事件提取和聯合信息提取 114

6.6 本章小結 115

6.7 軟件和資源 115

6.8 文獻註釋 116

6.9 習題 117

第7章 非傳統信息提取 118

7.1 概覽 118

7.2 開放信息提取 119

7.2.1 KnowItAll 124

7.2.2 TextRunner 125

7.2.3 評估和比較不同的開放信息提取系統 126

7.3 社交媒體信息提取 128

7.3.1 TWICAL 129

7.3.2 TwitIE 130

7.4 其他非傳統信息提取類型 131

7.5 本章小結 132

7.6 軟件和資源 133

7.7 文獻註釋 134

7.8 習題 135

第三部分 知識圖譜補全

第8章 實例匹配 138

8.1 概覽 138

8.2 形式 140

8.3 為什麽實例匹配具有挑戰性 142

8.4 兩步流程 142

8.4.1 分塊步驟 143

8.4.2 相似性步驟 150

8.5 評估兩步流程 153

8.5.1 評估分塊步驟 154

8.5.2 評估相似性步驟 155

8.6 後相似性步驟 156

8.6.1 聚類和傳遞閉包 156

8.6.2 實體命名系統 158

8.7 用Swoosh 形式化實例匹配 160

8.8 關於研究前沿的說明 162

8.9 不限於實例匹配的數據清理 164

8.10 本章小結 168

8.11 軟件和資源 168

8.12 文獻註釋 170

8.13 習題 171

第9章 統計關系學習 175

9.1 概覽 175

9.2 依存關系建模 176

9.3 統計關系學習框架 177

9.3.1 馬爾可夫邏輯網絡 178

9.3.2 概率軟邏輯 182

9.4 知識圖譜識別 183

9.4.1 表示不確定的提取內容 184

9.4.2 表示實例匹配輸出 185

9.4.3 執行本體約束 185

9.4.4 整合：非確定知識圖譜的概率分布 186

9.4.5 關於實驗性能的說明 186

9.5 其他應用 186

9.5.1 集合分類 187

9.5.2 鏈接預測 187

9.5.3 社會網絡建模 187

9.6 高級研究領域：數據編程 187

9.7 本章小結 188

9.8 軟件和資源 188

9.9 文獻註釋 189

9.10 習題 190

第 10章 知識圖譜表示學習 191

10.1 概覽 191

10.2 嵌入式架構：入門 193

10.2.1 CBOW 模型 194

10.2.2 skip-gram 模型 195

10.3 超越詞嵌入 195

10.4 知識圖譜嵌入 196

10.5 有影響力的知識圖譜嵌入系統 199

10.5.1 結構化嵌入 199

10.5.2 神經張量網絡 201

10.5.3 平移嵌入模型 202

10.5.4 TransE 203

10.5.5 其他Trans*算法 204

10.6 超事實語境 208

10.6.1 實體類型 208

10.6.2 文本描述 209

10.6.3 超越文本和概念：其他信息集 210

10.7 應用 211

10.7.1 鏈接預測 211

10.7.2 三元組分類 212

10.7.3 實體分類 213

10.7.4 重溫實例匹配 213

10.7.5 其他應用 214

10.8 本章小結 214

10.9 軟件和資源 215

10.10 文獻註釋 215

10.11 習題 216

第四部分 訪問知識圖譜

第 11章 推理與檢索 220

11.1 概覽 220

11.2 推理 222

11.2.1 描述邏輯：簡要入門 223

11.2.2 網絡本體語言 224

11.2.3 範例推理框架：Protégé 228

11.3 檢索 229

11.4 對比檢索與推理 231

11.4.1 評估 232

11.4.2 範例檢索框架：Lucene 237

11.5 本章小結 238

11.6 軟件和資源 239

11.7 文獻註釋 239

11.8 習題 240

第 12章 結構化查詢 243

12.1 概覽 243

12.2 SPARQL 243

12.3 知識圖譜查詢的關系處理 246

12.3.1 三元組（垂直）表存儲 247

12.3.2 屬性表存儲 248

12.3.3 水平表存儲 249

12.4 NoSQL 250

12.4.1 鍵 值存儲 251

12.4.2 圖數據庫 254

12.4.3 具有極高可擴展性的NoSQL 數據庫 259

12.5 本章小結 261

12.6 軟件和資源 261

12.7 文獻註釋 262

12.8 習題 263

第 13章 問答 266

13.1 概覽 266

13.2 作為獨立應用的問答 267

13.2.1 從會話式對話中學習：KnowBot 268

13.2.2 BERT 269

13.2.3 知識圖譜的必要性 272

13.3 作為知識圖譜查詢的問答 273

13.3.1 挑戰與解決方法 274

13.3.2 基於模板的解決方案 280

13.3.3 語義問答評估 281

13.4 本章小結 282

13.5 軟件和資源 283

13.5.1 BERT 和基於語言模型的問答系統 283

13.5.2 HOBBIT 283

13.6 文獻註釋 283

13.7 習題 285

第五部分 知識圖譜生態系統

第 14章 關聯數據 288

14.1 概覽 288

14.1.1 原則1 292

14.1.2 原則2 292

14.1.3 原則3 294

14.1.4 原則4 294

14.2 關聯數據原則的影響和采用 295

14.3 關聯開放數據生態系統中的重要知識圖譜 297

14.3.1 DBpedia 298

14.3.2 GeoNames 298

14.3.3 YAGO 299

14.3.4 Wikidata 299

14.3.5 UMBEL 300

14.3.6 FOAF 301

14.3.7 其他例子 302

14.4 本章小結 302

14.5 軟件和資源 303

14.6 文獻註釋 303

14.7 習題 304

第 15章 企業和政府機構 305

15.1 概覽 305

15.2 企業 306

15.2.1 知識寶庫 308

15.2.2 社交媒體和開放圖譜協議 311

15.2.3 Schema 網站 312

15.3 政府機構和非營利組織 313

15.3.1 公開政務數據 313

15.3.2 BBC 315

15.4 未來展望 316

15.5 本章小結 317

15.6 軟件和資源 317

15.7 文獻註釋 318

15.8 習題 320

第 16章 自然科學領域中的知識圖譜和本體 322

16.1 概覽 322

16.2 生物學 323

16.3 化學 328

16.3.1 ChEBI 328

16.3.2 PubChem 330

16.4 地球科學、環境科學和地理科學 ... 330

16.4.1 SWEET 330

16.4.2 GEON 門戶和OpenTopography 332

16.4.3 ENVO 333

16.5 本章小結 335

16.6 軟件和資源 335

16.7 文獻註釋 336

16.8 習題 337

第 17章 在特定領域具有社會影響力的知識圖譜 338

17.1 概覽 338

17.2 DIG 339

17.2.1 領域設置 340

17.2.2 領域探索 344

17.3 替代方案：DeepDive 346

17.4 應用和用例 347

17.4.1 調查領域 347

17.4.2 危機信息學 350

17.5 本章小結 351

17.6 軟件和資源 352

17.7 文獻註釋 352

17.8 習題 354