知識圖譜導論與項目案例教程（微課視頻版）

王金龍,青島理工大學教授，碩導，山東省泰山產業領軍人才，青島市創業創新領軍人才，青島高級專家協會會員。主要從事人工智能、大數據、工業互聯網等領域研究和開發工作，作為項目負責人主持完成包括國家自然科學基金、國家科技支撐計劃子課題、山東省中青年科學家科研獎勵基金、青島市科技計劃在內的項目10余項。目前主持山東省重點研發計劃等項目，獲青島市青年科技獎、青島市科技進步三等獎，山東高等學校優秀科研成果獎三等獎等獎勵多項，發表學術論文60余篇，獲發明專利授權7項，科技部重點研發計劃項目評審專家。

目錄

資源下載

第1部分知識圖譜的基礎知識及關鍵技術

第1章知識圖譜技術概述

1.1知識圖譜的基本概念與發展過程

1.1.1知識圖譜的發展過程

1.1.2知識圖譜概念的內涵

1.2國內外典型知識圖譜項目

1.2.1WordNet

1.2.2Wikidata

1.2.3YAGO

1.3知識圖譜的分類

1.3.1按照知識模態分類

1.3.2按照領域開放性分類

1.3.3按照構建方法分類

1.3.4按照元數據實現方式分類

1.3.5新興類別的知識圖譜

1.4知識圖譜的應用場景

1.4.1知識圖譜應用於醫療健康

1.4.2知識圖譜應用於電子商務

1.4.3知識圖譜應用於企業監管

1.5本章小結

習題1

第2章知識圖譜表示技術

2.1知識表示的概念與早期技術演化

2.1.1知識表示的概念

2.1.2早期的知識表示技術

2.2基於符號的知識圖譜表示

2.2.1屬性圖表示

2.2.2資源描述框架表示

2.2.3網絡本體語言表示

2.3基於向量的知識圖譜表示

2.3.1基於向量空間距離的知識圖譜表示

2.3.2基於語義匹配的知識圖譜表示

2.3.3基於旋轉與雙曲幾何的知識圖譜表示

2.3.4基於動態知識圖譜的知識圖譜表示

2.4本章小結

習題2

第3章知識抽取技術

3.1知識抽取的概念及階段劃分

3.1.1數據預處理階段

3.1.2實體抽取階段

3.1.3關系抽取階段

3.1.4事件抽取階段

3.1.5後處理與評估階段

3.2實體抽取技術

3.2.1實體抽取的概念

3.2.2規則式實體抽取

3.2.3基於機器學習的實體抽取

3.2.4基於深度學習的實體抽取

3.2.5實體抽取面臨的挑戰與機遇

3.3關系抽取技術

3.3.1關系抽取的概念

3.3.2依存句法的概念及關系抽取的應用

3.3.3基於機器學習的關系抽取

3.3.4基於深度學習的關系抽取

3.3.5關系抽取面臨的挑戰和機遇

3.4事件抽取技術

3.4.1事件抽取的概念

3.4.2管道式事件抽取

3.4.3聯合式事件抽取

3.4.4篇章級事件抽取

3.4.5事件抽取面臨的挑戰和機遇

3.5知識抽取實踐

3.5.1實踐環境

3.5.2數據集

3.5.3操作步驟及運行結果

3.6本章小結

習題3

第4章知識融合技術

4.1知識融合的概念

4.1.1基本技術流程

4.1.2典型知識融合工具

4.2實體鏈接

4.2.1實體鏈接的概念

4.2.2實體鏈接的技術發展

4.3知識對齊

4.3.1知識對齊的概念

4.3.2本體對齊

4.3.3實體對齊

4.3.4屬性對齊

4.4知識合並

4.4.1知識合並的概念

4.4.2知識合並的常用方法

4.4.3知識合並的步驟

4.5知識融合實踐

4.5.1實踐環境

4.5.2運行結果

4.6本章小結

習題4

第5章知識存儲

5.1知識存儲介紹

5.1.1知識存儲的基本概念

5.1.2知識存儲的重要性

5.2采用關系數據庫存儲知識圖譜

5.2.1三元組直接存儲

5.2.2屬性表與二元表存儲

5.2.3索引表存儲

5.2.4基於關系數據庫存儲知識圖譜的對比

5.2.5關系數據庫存儲的數據安全與隱私保護

5.3采用原生圖數據庫存儲知識圖譜

5.3.1原生圖數據庫介紹

5.3.2原生圖數據庫存儲的原理

5.3.3原生圖數據庫的數據安全與隱私保護

5.3.4原生圖數據庫的應用

5.4本章小結

習題5

第2部分知識圖譜分析技術與應用

第6章圖表示學習與圖神經網絡

6.1圖表示學習

6.1.1DeepWalk模型

6.1.2Node2vec模型

6.1.3LINE模型

6.1.4Metapath2vec模型

6.2同構圖神經網絡

6.2.1GCN模型

6.2.2GraphSAGE模型

6.2.3GAT模型

6.3異構圖神經網絡

6.3.1RGCN模型

6.3.2RGAT模型

6.3.3HAN模型

6.3.4HGT模型

6.4本章小結

習題6

第7章知識推理技術

7.1基於規則及本體的推理

7.1.1Datalog語法推理

7.1.2產生式規則推理

7.1.3RETE算法推理

7.1.4本體推理

7.2基於向量的知識推理

7.2.1基於圖嵌入表示的推理

7.2.2基於知識圖譜嵌入表示的推理

7.2.3基於圖神經網絡的推理

7.3多跳推理

7.3.1RLH模型

7.3.2DPMPN模型

7.3.3BetaE模型

7.4本章小結

習題7

第8章知識圖譜衍生技術

8.1事理圖譜

8.1.1事理圖譜的基本概念

8.1.2事理邏輯關系

8.1.3事理圖譜的應用範例

8.1.4事理圖譜面臨的挑戰

8.2多模態知識圖譜

8.2.1多模態知識圖譜的基本概念

8.2.2多模態知識圖譜的應用範例

8.2.3多模態知識圖譜面臨的挑戰

8.3動態知識圖譜

8.3.1動態知識圖譜的基本概念

8.3.2動態知識圖譜的應用範例

8.3.3動態知識圖譜面臨的挑戰

8.4多模態知識圖譜實踐

8.4.1環境介紹及搭建

8.4.2實驗運行結果

8.5本章小結

習題8

第9章知識圖譜與生成式人工智能

9.1蓬勃發展的生成式人工智能

9.1.1生成式人工智能的概念

9.1.2生成式人工智能的發展

9.1.3生成式人工智能的前沿應用

9.2大語言模型的誕生與發展

9.2.1生成式人工智能與大語言模型的關系

9.2.2大語言模型介紹

9.2.3大語言模型的應用與發展前景

9.3知識圖譜與生成式人工智能的結合應用

9.3.1知識圖譜增強大模型

9.3.2大模型增強知識圖譜

9.4本章小結

習題9

第3部分綜合項目實踐

第10章

基於知識圖譜的地市重點產業

推斷系統

10.1項目概述

10.1.1項目背景

10.1.2業務場景分析

10.2地市重點產業知識圖譜的構建

10.2.1產業知識圖譜建模

10.2.2數據預處理

10.2.3產業知識圖譜的構建

10.3地市重點產業推斷系統的實現

10.3.1產業推斷需求分析

10.3.2產業推斷系統設計

10.3.3產業推斷功能的實現

10.4地市重點產業知識圖譜的場景應用

10.5本章小結

習題10

第11章

基於知識圖譜的消防事故查詢

管理系統

11.1項目概述

11.1.1項目背景

11.1.2業務場景分析

11.2消防事故知識圖譜的構建

11.2.1消防事故知識圖譜建模

11.2.2數據預處理

11.3消防事故查詢管理系統的實現

11.3.1消防事故查詢需求

11.3.2消防事故查詢系統設計

11.3.3消防事故查詢功能的實現

11.4消防事故圖譜的場景應用

11.5本章小結

習題11

第12章基於知識圖譜的企業風險評估系統

12.1項目概述

12.1.1項目背景

12.1.2業務場景分析

12.2企業風險知識圖譜的構建

12.2.1企業風險圖譜建模

12.2.2數據預處理

12.2.3風險知識圖譜的構建

12.3企業風險評估系統的實現

12.3.1企業風險評估需求分析

12.3.2企業風險評估設計

12.3.3企業風險評估的實現

12.4企業風險知識圖譜的場景應用

12.4.1企業風險傳導分析

12.4.2企業潛在風險識別預警

12.4.3企業風險知識圖譜管理

12.5本章小結

習題12

參考文獻