"知識圖譜是人工智能的重要部分，是增強機器智能的基礎，其核心就是讓計算機理解、表示和應用人類產生的知識。計算機對知識圖譜的構建和表征能力，代表了人工智能的水平。《知識圖譜——從理論到實踐》從基礎知識、理論和方法入手，逐步增加內容的深度和廣度，幫助讀者掌握知識圖譜的概念、術語和任務，從理論、算法和應用的角度理解知識圖譜的**研究內容。《知識圖譜——從理論到實踐》可作為高等院校計算機科學、人工智能、智能科學與技術等專業的教材，也適合對知識圖譜感興趣的初學者及相關領域的研究人員參考。 "

黃江平，武漢大學計算機軟件與理論博士，研究方向包括自然語言處理、深度學習、知識圖譜。針對自然語言處理任務中的語義表征與計算問題，帶領其團隊基於深度學習框架開發語義表征和交互計算的深度學習模型，並基於語義表征在語義相似性計算和情緒識別等方面均取得一系列的研究成果，在深度學習框架、知識挖掘、項目實踐方面積累了豐富的經驗。

第1章知識圖譜

1.1知識圖譜的基本概念

1.1.1知識圖譜的狹義概念

1.1.2知識圖譜的廣義概念

1.1.3知識圖譜的歷史沿革

1.2知識圖譜的研究意義

1.2.1知識圖譜是認知智能的基石

1.2.2知識引導成為解決問題的重要方式

1.3知識圖譜的應用價值

1.3.1數據分析

1.3.2智慧搜索

1.3.3智能推薦

1.3.4自然人機交互

1.3.5決策支持

1.4知識圖譜的分類

1.4.1知識圖譜的知識分類

1.4.2知識圖譜的領域特性

1.4.3典型知識圖譜

1.5案例：知識圖譜在美團中的應用

1.5.1問題描述

1.5.2思路描述

1.5.3解決方法

1.5.4案例總結

1.6實驗：百科圖譜實驗

1.6.1實驗內容

1.6.2實驗目標

1.6.3實驗操作步驟

1.6.4實驗總結

課後習題

第2章知識表示

2.1語義網知識表示

2.1.1概述

2.1.2語義網知識表示框架

2.2開放域知識表示

2.2.1概述

2.2.2Freebase

2.2.3Wikidata

2.2.4ConceptNet5

2.3知識圖譜向量表示

2.3.1表示

2.3.2語言的表示方法

2.3.3詞嵌入、詞向量

2.3.4神經網絡語言模型與Word2vec

2.3.5表示學習

2.4案例： RDF三元組構建實例

2.4.1問題描述

2.4.2思路描述

2.4.3解決方法

2.4.4案例總結

2.5實驗：知識本體建模實驗

2.5.1實驗內容

2.5.2實驗目標

2.5.3實驗操作步驟

2.5.4實驗總結

課後習題

第3章實體與關系挖掘

視頻講解： 62分鐘，2集

3.1領域短語挖掘

3.1.1問題描述

3.1.2領域短語挖掘方法

3.1.3統計指標特征

3.2同義詞挖掘

3.2.1概述

3.2.2典型方法

3.3縮略詞挖掘

3.3.1縮略詞的概念和形式

3.3.2縮略詞的檢測與提取

3.3.3縮略詞的預測

3.4實體識別

3.4.1概述

3.4.2傳統的NER方法

3.4.3基於深度學習的NER方法

3.5實驗：實體識別

3.5.1實驗內容

3.5.2實驗目標

3.5.3實驗步驟

3.5.4實驗總結

課後習題

第4章關系抽取

視頻講解： 24分鐘，1集

4.1基於模式的抽取

4.1.1基於字符模式的抽取

4.1.2基於語法模式的抽取

4.1.3基於語義模式的抽取

4.1.4自動化模式獲取

4.1.5基於模式抽取的質量評估

4.2基於學習的抽取

4.2.1基於監督學習的關系抽取

4.2.2基於遠程監督學習的關系抽取

4.2.3基於深度學習的關系抽取

4.3開放關系抽取

4.3.1概述

4.3.2TextRunner

4.3.3ReVerb

4.3.4Ollie

4.4實驗：關系抽取實驗

4.4.1實驗內容

4.4.2實驗目標

4.4.3實驗步驟

4.4.4實驗總結

課後習題

第5章知識抽取

視頻講解： 72分鐘，3集

5.1知識抽取任務

5.1.1知識抽取任務定義

5.1.2知識抽取具體任務

5.2非結構化的知識抽取

5.2.1事件抽取概述

5.2.2事件抽取的流水線方法

5.2.3事件的聯合抽取方法

5.3結構化的知識抽取

5.3.1直接映射

5.3.2R2RML

5.4半結構化的知識抽取

5.4.1概述

5.4.2面向百科類數據的知識抽取

5.4.3面向Web網頁的知識抽取

5.5知識挖掘

5.5.1知識內容挖掘

5.5.2知識結構挖掘

5.6實驗：三元組挖掘實驗

5.6.1實驗內容

5.6.2實驗目標

5.6.3實驗步驟

5.6.4實驗總結

課後習題

第6章本體異構

視頻講解： 30分鐘，1集

6.1異構問題

6.1.1概述

6.1.2語言層不匹配

6.1.3模型層不匹配

6.2本體概念的融合

6.2.1本體集成與本體映射

6.2.2本體映射分類

6.2.3本體映射的建立

6.3實例的融合與匹配

6.3.1實例匹配問題分析

6.3.2基於快速相似度計算的實例匹配方法

6.3.3基於分治的實例匹配方法

6.4實驗：知識融合實驗

6.4.1實驗內容

6.4.2實驗目標

6.4.3實驗步驟

6.4.4實驗總結

課後習題

第7章知識圖譜推理

視頻講解： 32分鐘，1集

7.1推理簡介

7.1.1什麼是推理

7.1.2面向知識圖譜的推理

7.2基於演繹的知識圖譜推理

7.2.1本體推理

7.2.2基於邏輯編程的推理方法

7.2.3基於查詢重寫的方法

7.3基於歸納的知識圖譜推理

7.3.1基於圖結構的推理

7.3.2基於規則學習的推理

7.4實驗：知識推理實驗

7.4.1實驗內容

7.4.2實驗目標

7.4.3實驗步驟

7.4.4實驗總結

課後習題

第8章知識圖譜存儲

視頻講解： 20分鐘，1集

8.1數據模型

8.1.1知識圖譜的三元組模型

8.1.2知識圖譜的圖模型

8.2知識圖譜存儲方法

8.2.1知識圖譜數據的基本操作

8.2.2知識圖譜的關系表存儲

8.2.3知識圖譜的圖存儲

8.3知識存儲關鍵技術

8.3.1知識圖譜數據庫邊屬性的索引

8.3.2知識圖譜數據庫圖結構的索引

8.4實驗：知識圖譜存儲實驗

8.4.1實驗內容

8.4.2實驗目標

8.4.3實驗步驟

小結

課後習題

第9章知識圖譜查詢

視頻講解： 21分鐘，1集

9.1查詢語言

9.1.1概述

9.1.2SPARQL簡單查詢

9.1.3SPARQL查詢機制及知識圖譜上的推理

9.2子圖與近似子圖查詢

9.2.1子圖查詢基本知識

9.2.2近似子圖查詢

9.3路徑與關鍵詞查詢

9.3.1路徑查詢

9.3.2關鍵詞查詢

9.4實驗：實體語義搜索實驗

9.4.1實驗內容

9.4.2實驗目標

9.4.3實驗步驟

9.4.4實驗總結

課後習題

第10章知識圖譜推薦

視頻講解： 17分鐘，1集

10.1推薦的基本問題

10.1.1基於協同過濾的推薦

10.1.2基於內容的推薦

10.1.3基於知識的推薦

10.2物品與用戶畫像

10.2.1基於知識圖譜的物品畫像

10.2.2基於知識圖譜的用戶畫像

10.3跨領域與可解釋性推薦

10.3.1基於知識圖譜的跨領域推薦

10.3.2基於知識圖譜的可解釋推薦

10.4實驗：融合知識圖譜的用戶畫像實驗

10.4.1實驗內容

10.4.2實驗目標

10.4.3實驗步驟

10.4.4實驗總結

課後習題

第11章知識問答

視頻講解： 45分鐘，2集

11.1知識問答概述

11.1.1知識問答的基本要素

11.1.2知識問答的相關工作

11.1.3知識問答應用場景

11.2知識問答分類體系

11.2.1問題類型與答案類型

11.2.2知識庫類型

11.2.3智能體類型

11.3知識問答系統

11.3.1早期的問答系統

11.3.2基於信息檢索的問答系統

11.3.3基於知識庫的問答系統

11.3.4基於問答對匹配的問答系統

11.4知識問答評價的方法

11.4.1問答系統的評價指標

11.4.2問答系統的評價數據集

11.5實驗：中英文知識問答實驗

11.5.1實驗介紹

11.5.2實驗目標

11.5.3實驗內容

11.5.4實驗總結

課後習題

第12章知識圖譜系統與應用

視頻講解： 44分鐘，2集

12.1知識圖譜系統

12.1.1知識圖譜系統的外部環境

12.1.2知識圖譜系統的關鍵要素

12.1.3知識圖譜系統的典型架構

12.2知識圖譜工程

12.2.1基本原則

12.2.2過程模型

12.2.3可行性分析

12.3知識圖譜應用案例

12.3.1電商知識圖譜的構建

12.3.2電商知識圖譜的應用

12.4實驗：人物關系知識圖譜實驗

12.4.1實驗介紹

12.4.2實驗目標

12.4.3實驗內容

12.4.4實驗總結

課後習題

參考文獻

知識圖譜——從理論到實踐

孫洪淋，侯武，滕霞，尹國東，張東升

相關主題

商品描述

作者簡介

目錄大綱

類似商品

最後瀏覽商品 (9)