知识图谱 pdf epub mobi txt 电子书 下载 2025

想要找书就要到 小美书屋

立刻按 ctrl+D收藏本页

你会得到大惊喜!!

本书聚焦于知识图谱，分十个章节围绕知识建模、知识获取、知识融合、存储和检索、知识推理以及知识服务等知识图谱生命周期各个主要环节展开介绍。每章以任务为导引，引出任务描述、难点问题、基本方法、研究现状和存在的问题，并从多个相关的研究方向对各个任务的发展进程进行系统的、多维度的梳理，注重介绍传统知识工程的思想和理论以及机器学习和深度学习在知识图谱各个环节中应用的技术和方法，从而使读者能够了解发展脉络，激发研究兴趣，思考核心问题，领悟发展方向。

本书可以作为自然语言处理、知识工程、人工智能等相关课程的研究生教材，也可供计算机科学技术领域相关工程技术人员学习参考。

第一章 概述
1.1 什么是知识图谱
1.2 知识图谱发展历程
1.3 知识图谱类型
1.4 知识图谱生命周期
1.4.1 知识体系构建
1.4.2 知识获取
1.4.3 知识融合
1.4.4 知识存储
1.4.5 知识推理
1.4.6 知识应用
1.5 知识图谱与深度学习
1.6 小结
第二章 知识表示
2.1 经典知识表示理论
2.1.1 逻辑
2.1.2 语义网络
2.1.3 框架
2.1.4 脚本
2.2 语义网中的知识表示方法
2.2.1 语义网表示方法
2.2.2 语义网知识描述体系
2.3 知识图谱中的知识表示方法
2.3.1 表示框架
2.3.2 Freebase中的知识框架
2.4 知识图谱的数值化表示方法
2.4.1 符号的数值化表示
2.4.2 文本的数值化表示
2.4.3 知识图谱的数值化表示
2.5 小结
第三章 知识体系构建和知识融合
3.1 知识体系构建
3.1.1 人工构建方法
3.1.2 自动构建方法
3.1.3 典型知识体系
3.2 知识融合
3.2.1 框架匹配
3.2.2 实体对齐
3.2.3 冲突检测与消解
3.2.4 典型知识融合系统
3.3 小结
第四章 实体识别和扩展
4.1 实体识别
4.1.1 任务概述
4.1.2 基于规则的实体识别方法
4.1.3 基于机器学习的实体识别——基于特征的方法
4.1.4 基于机器学习的实体识别——基于神经网络的方法
4.2 细粒度实体识别
4.2.1 任务概述
4.2.2 细粒度实体识别方法
4.3 实体扩展
4.3.1 任务概述
4.3.2 实体扩展方法
4.4 小结
第五章 实体消歧
5.1 任务概述
5.1.1 任务定义
5.1.2 任务分类
5.1.3 相关评测
5.2 基于聚类的实体消歧方法
5.2.1 基于表层特征的实体指称项相似度计算
5.2.2 基于扩展特征的实体指称项相似度计算
5.2.3 基于社会化网络的实体指称项相似度计算
5.3 基于实体链接的实体消歧方法
5.3.1 链接候选过滤方法
5.3.2 实体链接方法
5.4 面向结构化文本的实体消歧方法
5.5 小结
第六章 关系抽取
6.1 任务概述
6.1.1 任务定义
6.1.2 任务分类
6.1.3 任务难点
6.1.4 相关评测
6.2 限定域关系抽取
6.2.1 基于模板的关系抽取方法
6.2.2 基于机器学习的关系抽取方法
6.3 开放域关系抽取
6.4 小结
第七章 事件抽取
7.1 任务概述
7.2 限定域事件抽取
7.2.1 基于模式匹配的事件抽取方法
7.2.2 基于机器学习的事件抽取方法
7.3 开放域事件抽取
7.3.1 基于内容特征的事件抽取方法
7.3.2 基于异常检测的事件抽取方法
7.4 事件关系抽取
7.4.1 事件共指关系抽取
7.4.2 事件因果关系抽取
7.4.3 子事件关系抽取
7.4.4 事件时序关系抽取
7.5 小结
第八章 知识存储和检索
8.1 知识图谱的存储
8.1.1 基于表结构的存储
8.1.2 基于图结构的存储
8.2 知识图谱的检索
8.2.1 常见形式化查询语言
8.2.2 图检索技术
8.3 小结
第九章 知识推理
9.1 知识图谱中的典型推理任务
9.1.1 知识补全
9.1.2 知识问答
9.2 知识推理分类
· · · · · · (收起)