AI进步的阶梯《知识图谱:方法、实践与应用》开启预售!

管理员账号

2019-08-12

互联网促成了大数据的集聚,大数据进而促进了人工智能算法的进步。近年来知识图谱作为AI领域底层技术被越来越多的人谈起。知识图谱的升温得益于新数据和新算法为规模化知识图谱构建提供了新的技术基础和发展条件,使得知识图谱构建的来源、方法和技术手段都发生了极大的变化。

知识图谱本身可以看作是一种新型的信息系统基础设施,旨在从数据中识别、发现和推断事物与概念之间的复杂关系,是事物关系的可计算模型。知识图谱最早的应用是提升搜索引擎的能力。随后,知识图谱在辅助智能问答、自然语言理解、大数据分析、推荐计算、物联网设备互联、可解释性人工智能等多个方面展现出丰富的应用价值。

知识图谱:事物关系的可计算模型

如果知识是人类进步的阶梯,知识图谱就是AI进步的阶梯。知识图谱作为知识的一种形式,已经在语义搜索、智能问答、数据分析、自然语言理解、视觉理解、物联网设备互联等多个方面发挥出越来越大的价值。AI浪潮愈演愈烈,而作为底层支撑的知识图谱赛道也从鲜有问津到缓慢升温,虽然还谈不上拥挤,但作为通往未来的必经之路,注定会走上风口。

为了帮助更多的人学习了解这项技术,由王昊奋、漆桂林、陈华钧等多位知识图谱专家合力编著的《知识图谱:方法、实践与应用》现已开放预售!

通过本书,读者一方面可以系统性了解知识图谱的基本概念、发展历史和技术前沿,另一方面从工程实践的角度训练自己构建和应用知识图谱的实战能力。

本书适合有一定自然语言处理和机器学习基础,希望深入研究知识图谱的数据工程师、高校师生和研究者阅读。

主 要 作 者 简 介

王昊奋

上海交通大学计算机博士。中文知识图谱zhishi.me创始人、OpenKG发起人之一、CCF理事、CCF术语审定工委主任、CCF TF执委、中文信息学会语言与知识计算专委会副秘书长、上海交通大学校友会AI分会秘书长。在知识图谱、问答系统和聊天机器人等诸多领域有丰富的研发经验。

漆桂林

东南大学计算机学院教授、东南大学认知智能研究所所长、南京柯基数据科技有限公司首席科学家、OpenKG发起人之一、中国中文信息学会语言与知识计算专业委员会副主任、中国科学技术情报学会知识组织专业委员会副主任、爱思唯尔(Elsevier)数据管理顾问委员会顾问、国际期刊 Journal of Data Intelligence 执行主编。科研成果在电力故障智能检测和知识推送、医药知识问答及网络安全态势感知系统等领域得到了实际应用。

陈华钧

浙江大学计算机科学与技术学院教授。浙江大学阿里巴巴知识引擎联合实验室负责人、浙江省大数据智能计算重点实验室副主任、中国人工智能学会知识工程与分布智能专业委员会副主任委员、中国中文信息学会语言与知识计算专业委员会副主任委员、OpenKG发起人。曾获国际语义网会议ISWC最佳论文奖。

主 要 结 构

第1章 知识图谱概述 1

1.1 什么是知识图谱 1

1.2 知识图谱的发展历史 2

1.3 知识图谱的价值 5

1.4 国内外典型的知识图谱项目 9

1.5 知识图谱的技术流程 15

1.6 知识图谱的相关技术 19

1.7 本章小结 30

第2章 知识图谱表示与建模 40

2.1 什么是知识表示 40

2.2 人工智能早期的知识表示方法 43

2.3 互联网时代的语义网知识表示框架 48

2.4 常见开放域知识图谱的知识表示方法 64

2.5 知识图谱的向量表示方法 68

2.6 开源工具实践:基于Protégé的本体知识建模 77

2.7 本章小结 80

第3章 知识存储 82

3.1 知识图谱数据库基本知识 82

3.2 常见知识图谱存储方法 91

3.3 知识存储关键技术 121

3.4 开源工具实践 126

第4章 知识抽取与知识挖掘 133

4.2 面向非结构化数据的知识抽取 136

4.3 面向结构化数据的知识抽取 154

4.4 面向半结构化数据的知识抽取 161

4.5 知识挖掘 168

4.6 开源工具实践:基于DeepDive的关系抽取实践 178

第5章 知识图谱融合 184

5.1 什么是知识图谱融合 184

5.2 知识图谱中的异构问题 185

5.3 本体概念层的融合方法与技术 190

5.4 实例层的融合与匹配 236

5.5 开源工具实践:实体关系发现框架LIMES 266

5.6 本章小结 269

第6章 知识图谱推理 279

6.1 推理概述 279

6.2 基于演绎的知识图谱推理 283

6.3 基于归纳的知识图谱推理 306

6.4 知识图谱推理新进展 324

6.5 开源工具实践:基于Jena和Drools的知识推理实践 327

6.6 本章小结 329

第7章 语义搜索 334

7.1 语义搜索简介 334

7.2 结构化的查询语言 336

7.3 语义数据搜索 342

7.4 语义搜索的交互范式 348

7.5 开源工具实践 355

第8章 知识问答 366

8.1 知识问答概述 366

8.2 知识问答的分类体系 371

8.3 知识问答系统 376

8.4 知识问答的评价方法 386

8.5 KBQA前沿技术 392

8.6 开源工具实践 406

第9章 知识图谱应用案例 420

9.1 领域知识图谱构建的技术流程 420

9.2 领域知识图谱构建的基本方法 425

9.3 领域知识图谱的应用案例 428

9.4 本章小结 460

读者评论

相关专题

相关博文

  • 分享实录丨阳德青教授分享“知识图谱起航”

    分享实录丨阳德青教授分享“知识图谱起航”

    管理员账号 2019-08-19

    知识图谱是实现机器人之智能的基础,也是一门应用广泛的工程学科。其具体方法大都来自计算机或人工智能的其他领域,比如自然语言处理、机器学习、知识工程等。面对如此庞杂的知识,初学者应该如何着手? 日前,我们邀请复旦大学大数据学院与大数据...

    管理员账号 2019-08-19
    108 0 0 0