中图网

>

程序设计

>

其他

知识图谱概念与技术

作者：肖仰华等

出版社：电子工业出版社出版时间：2020-01-09

开本： 16开 页数： 540

本类榜单：计算机/网络销量榜

预估到手价¥74.3(6.3折)?

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格（不含优惠券部分），仅供参考，未必等同于实际到手价。

中图价:¥82.6(7.0折)定价 ~~¥118.0~~ 登录后可看到会员价

促销活动:

年中庆第一波|全场百万图书折上9折

加入购物车收藏

运费6元，全场折上9折期间 满39元包邮

?快递不能达地区使用邮政小包，运费14元起

云南、广西、海南、新疆、青海、西藏六省，部分地区快递不可达

本类五星书更多>

>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

¥11.3¥45
>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥28.2¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥55.2¥69
>
第一行代码Android

第一行代码Android

¥76.2¥99
>
C Primer Plus 第6版中文版

C Primer Plus 第6版中文版

¥75.6¥108
>
深度学习

深度学习

¥82.3¥168
>
MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码

MATLAB计算机视觉与深度学习实战-赠在线交流卡和本书源码

¥43.5¥79

商品详情
商品评论(0条)

中图价:¥82.6 加入购物车

版权信息
本书特色
内容简介
目录
作者简介

微信公众号

知识图谱概念与技术版权信息

ISBN：9787121371080
条形码：9787121371080 ; 978-7-121-37108-0
装帧：一般胶版纸
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
程序设计
>
其他

知识图谱概念与技术本书特色

适读人群：本书可作为高年级本科生、硕士生或者博士生的教材，也适合企业与行业智能化的从业人员阅读。· 有深度也有广度，力求涵盖知识图谱相关的基本概念与关键技术。 · 梳理前沿成果，总结了十多个知识图谱工程项目的落地经验。 · 写作团队成员均为国内知名高校和研究所AI相关专业教师和研究员。 · 内容历经一年打磨，并曾在多所高校试讲，根据听众反馈迭代改进。

知识图谱概念与技术内容简介

知识图谱是一种大规模语义网络，已经成为大数据时代知识工程的代表性进展。知识图谱技术是实现机器认知智能和推动各行业智能化发展的关键基础技术。知识图谱也成为大规模知识工程的代表性实践，其学科日益完善。本书是一本系统介绍知识图谱概念、技术与实践的书籍。全书共5篇，由16 章构成，力求涵盖知识图谱相关的基本概念与关键技术。“基础篇”介绍知识图谱的基本概念、内涵与外延、历史沿革、应用价值，以及相关的基础知识。“构建篇”重点介绍大规模高质量知识图谱的自动化构建技术，涵盖词汇挖掘、实体识别、关系抽取及概念图谱构建、百科图谱构建、众包构建与质量控制等专题。“管理篇”系统地阐述了知识图谱建模与存储、查询与检索，以及图数据管理系统。“应用篇”对于基于知识图谱的关键应用技术展开介绍，包括搜索与推荐、自然语言问答，以及基于知识图谱的自然语言理解。“实践篇”介绍知识图谱实践中的基本原则和有用实践，初步讨论了知识图谱实践中的开放性问题。本书可作为高年级本科生、硕士生或者博士生的教材，也适合企业与行业智能化的从业人员阅读。

知识图谱概念与技术目录

第1篇基础篇第1章知识图谱概述... 2 1.1 知识图谱的基本概念... 2 1.1.1 知识图谱的狭义概念... 3 1.1.2 知识图谱的广义概念... 8 1.2 知识图谱的历史沿革... 10 1.2.1 知识图谱溯源... 10 1.2.2 大数据知识工程... 13 1.3 知识图谱的研究意义... 16 1.3.1 知识图谱是认知智能的基石... 16 1.3.2 知识引导成为解决问题的重要方式之一... 19 1.4 知识图谱的应用价值... 20 1.4.1 数据分析... 20 1.4.2 智慧搜索... 21 1.4.3 智能推荐... 22 1.4.4 自然人机交互... 23 1.4.5 决策支持... 23 1.5 知识图谱的分类... 24 1.5.1 知识图谱中的知识分类... 25 1.5.2 知识图谱的领域特性... 26 1.5.3 典型知识图谱... 30 本章小结 38 思考题... 39 参考文献 40 第2章基础知识... 43 2.1 概述 43 2.2 知识表示... 45 2.2.1 基本概念... 45 2.2.2 知识图谱的图表示... 47 2.2.3 知识图谱的数值表示... 49 2.2.4 其他相关知识表示... 54 2.3 机器学习... 64 2.3.1 机器学习的基本概念... 65 2.3.2 深度学习概述... 67 2.3.3 卷积神经网络... 70 2.3.4 循环神经网络... 71 2.3.5 注意力机制... 72 2.4 自然语言处理... 73 2.4.1 基本概念... 74 2.4.2 文本的向量化表示... 76 本章小结 78 思考题... 79 参考文献 80 第2篇构建篇第3章词汇挖掘与实体识别... 84 3.1 概述 84 3.2 领域短语挖掘... 86 3.2.1 问题描述... 87 3.2.2 领域短语挖掘方法... 88 3.2.3 统计指标特征... 91 3.3 同义词挖掘... 95 3.3.1 概述... 95 3.3.2 典型方法... 96 3.4 缩略词抽取... 101 3.4.1 缩略词的概念与形式... 101 3.4.2 缩略词的检测与抽取... 103 3.4.3 缩略词的预测... 105 3.5 实体识别... 109 3.5.1 概述... 109 3.5.2 传统的NER方法... 110 3.5.3 基于深度学习的NER方法... 114 3.5.4 近期的一些方法... 120 本章小结 121 思考题... 122 参考文献 122 第4章关系抽取... 127 4.1 概述 127 4.1.1 关系抽取的问题和方法分类... 128 4.1.2 关系抽取常用数据集... 130 4.1.3 关系抽取评估方法... 131 4.2 基于模式的抽取... 133 4.2.1 基于字符模式的抽取... 134 4.2.2 基于语法模式的抽取... 135 4.2.3 基于语义模式的抽取... 135 4.2.4 自动化模式获取：自举法... 136 4.2.5 基于模式抽取的质量评估... 138 4.3 基于学习的抽取... 139 4.3.1 基于监督学习的关系抽取... 140 4.3.2 基于远程监督学习的关系抽取... 142 4.3.3 基于深度学习的关系抽取... 144 4.4 开放关系抽取... 150 4.4.1 TextRunner 151 4.4.2 ReVerb. 152 4.4.3 Ollie. 154 本章小结 154 思考题... 156 参考文献 157 第5章概念图谱构建... 160 5.1 概述 160 5.1.1 常见的概念图谱... 163 5.1.2 概念图谱的应用... 166 5.2 isA关系抽取... 168 5.2.1 基于在线百科的方法... 169 5.2.2 基于模式的方法... 170 5.2.3 中文概念图谱的构建... 172 5.3 isA关系补全... 175 5.3.1 isA关系缺失的成因... 176 5.3.2 基于isA关系传递性的概念图谱补全... 177 5.3.3 基于协同过滤思想的概念图谱补全... 179 5.4 isA关系纠错... 181 5.4.1 错误的成因... 182 5.4.2 基于支持度的纠错... 183 5.4.3 基于图模型的纠错... 184 本章小结 185 思考题... 186 参考文献 187 第6章百科图谱构建... 189 6.1 概述 189 6.1.1 什么是百科图谱... 189 6.1.2 百科图谱的意义... 190 6.1.3 百科图谱的分类... 191 6.2 基于单源的百科图谱构建... 192 6.2.1 数据获取... 193 6.2.2 属性抽取... 195 6.2.3 关系构建... 200 6.2.4 概念层级体系构建... 201 6.2.5 实体分类... 201 6.3 基于多源的百科图谱融合... 207 6.3.1 基于多个知识图谱的融合方法... 207 6.3.2 基于多源异构数据的融合方法... 215 本章小结 216 思考题... 217 参考文献 217 第7章知识图谱的众包构建... 221 7.1 概述 221 7.2 知识型众包的基本概念... 223 7.3 知识型众包研究的问题... 226 7.3.1 What（对什么任务进行众包）... 226 7.3.2 Whom（将任务交予谁完成）... 229 7.3.3 How（如何完成众包）... 230 7.4 基于众包的知识图谱构建与精化... 235 7.4.1 本体构建阶段的人工介入... 235 7.4.2 知识图谱构建阶段的人工介入... 237 7.4.3 知识图谱精化阶段的人工介入... 242 本章小结 244 思考题... 245 参考文献 246 第8章知识图谱的质量控制... 250 8.1 概述 251 8.1.1 知识图谱质量评估的维度... 251 8.1.2 知识图谱质量评估的方法... 253 8.1.3 知识图谱质量控制全周期概览... 254 8.2 缺失知识的发现与补全... 260 8.2.1 类型补全... 260 8.2.2 关系补全... 263 8.2.3 属性值补全... 268 8.3 错误知识的发现与纠正... 270 8.3.1 错误实体类型检测... 271 8.3.2 错误实体关系检测... 271 8.3.3 错误属性值检测... 273 8.4 过期知识的更新... 274 8.4.1 基于更新频率预测的更新机制... 275 8.4.2 基于时间标签的更新机制... 276 8.4.3 基于热点事件发现的更新机制... 277 本章小结 278 思考题... 279 参考文献 280 第3篇管理篇第9章知识图谱的建模与存储... 286 9.1 概述 286 9.2 知识图谱的数据模型... 287 9.2.1 知识图谱的三元组模型... 287 9.2.2 知识图谱的图模型... 291 9.3 知识图谱的物理存储... 296 9.3.1 知识图谱数据的基本操作... 296 9.3.2 知识图谱的关系表存储... 297 9.3.3 知识图谱的图存储... 302 9.3.4 分布式计算环境下的知识图谱数据存储... 305 本章小结 309 思考题... 310 参考文献 310 第10章知识图谱的查询与检索... 314 10.1 概述 314 10.2 查询语言：SPARQL. 315 10.2.1 简单查询... 315 10.2.2 SPARQL查询机制及知识图谱上的推理... 321 10.3 子图查询... 324 10.3.1 子图查询基本知识... 324 10.3.2 近似子图查询... 326 10.3.3 Top-k查询... 331 10.3.4 索引结构... 334 10.4 其他查询... 335 10.4.1 路径查询... 335 10.4.2 关键词查询... 337 10.4.3 社团搜索... 339 本章小结 342 思考题... 343 参考文献 343 第11章图数据管理系统... 347 11.1 概述 347 11.2 知识图谱与图数据管理系统... 348 11.2.1 大图管理的挑战... 350 11.2.2 图数据管理系统的重要性... 352 11.2.3 图数据管理系统管理知识图谱的挑战... 354 11.3 图数据管理系统的基本架构和设计原则... 357 11.4 典型的图数据管理系统... 360 11.4.1 通用图数据管理系统... 361 11.4.2 知识图谱专用图数据管理系统... 364 11.4.3 图数据管理系统使用实例... 366 本章小结 370 思考题... 371 参考文献 371 第4篇应用篇第12章基于知识图谱的语言认知... 374 12.1 概述 375 12.1.1 语言理解的挑战... 375 12.1.2 语言理解需要知识图谱... 376 12.1.3 语言理解的任务... 377 12.2 实体理解... 378 12.2.1 基本模型... 379 12.2.2 局部实体链接分数... 380 12.2.3 全局实体链接分数... 381 12.2.4 模型计算... 382 12.2.5 短文本实体链接... 388 12.2.6 跨语言实体链接... 389 12.3 概念理解... 391 12.3.1 单实例概念理解... 391 12.3.2 多实例概念理解... 393 12.3.3 短语概念理解... 395 12.3.4 关系对概念理解... 397 12.3.5 概念理解应用举例... 398 12.4 属性理解... 399 本章小结 401 思考题... 402 参考文献 402 第13章基于知识图谱的搜索与推荐... 405 13.1 概述 405 13.2 基于知识图谱的搜索... 408 13.2.1 搜索概述... 408 13.2.2 搜索意图理解... 411 13.2.3 目标查找... 413 13.2.4 结果呈现... 413 13.2.5 实体探索... 414 13.3 基于知识图谱的推荐... 419 13.3.1 推荐的基本问题与挑战... 419 13.3.2 基于知识图谱的物品画像... 422 13.3.3 基于知识图谱的用户画像... 427 13.3.4 基于知识图谱的跨领域推荐... 429 13.3.5 基于知识图谱的可解释推荐... 432 本章小结 433 思考题... 435 参考文献 435 第14章基于知识图谱的问答... 438 14.1 概述 438 14.1.1 问答系统... 438 14.1.2 KBQA.. 441 14.2 基于模板的KBQA.. 449 14.2.1 基于模板的意图识别... 449 14.2.2 基于模板的属性关联... 451 14.3 基于图模型的KBQA.. 453 14.3.1 监督学习方法... 453 14.3.2 无监督方法... 455 14.4 基于深度学习的KBQA.. 457 14.4.1 表示学习... 458 14.4.2 分类模型... 459 14.4.3 生成模型... 461 本章小结 462 思考题... 463 参考文献 464 第5篇实践篇第15章知识图谱实践... 468 15.1 概述 468 15.1.1 知识图谱应用的推动力... 469 15.1.2 知识图谱应用与产业现状... 471 15.1.3 知识图谱实践的系统工程观念... 472 15.1.4 知识图谱助力行业智能化的演进路径... 474 15.2 知识图谱系统... 476 15.2.1 知识图谱系统的外部环境... 476 15.2.2 知识图谱系统的关键要素... 477 15.2.3 知识图谱系统的典型架构... 479 15.3 知识图谱工程... 485 15.3.1 基本原则... 486 15.3.2 过程模型... 489 15.3.3 可行性分析... 491 15.3.4 实践建议... 495 本章小结 499 思考题... 499 参考文献 500 第16章开放性问题... 501 16.1 知识表示... 501 16.1.1 与其他知识表示相联合的语义增强... 501 16.1.2 过程语义增强... 502 16.1.3 时空语义增强... 503 16.1.4 跨模态语义增强... 504 16.2 知识获取... 504 16.2.1 低成本知识获取... 505 16.2.2 复杂知识的获取... 506 16.2.3 知识获取中的人机协作与评测... 508 16.3 知识应用... 509 16.3.1 知识图谱上的推理... 509 16.3.2 符号知识增强机器学习... 510 16.3.3 基于知识图谱的可解释人工智能... 511 16.3.4 知识图谱的个性化问题... 511 本章小结 512 思考题... 513 参考文献 513

展开全部

知识图谱概念与技术作者简介

肖仰华博士，复旦大学教授、博士生导师、复旦大学知识工场实验室创始人。曾担任多家企业高级技术顾问与首席科学家。曾获得十多个国家、省/市、企业级的研究奖项，曾承担三十多项国家、省/市、企业级研发项目。在*级学术会议与期刊（包括SIGMOD、VLDB、ICDE、IJCAI、AAAI、ACL、TKDE等）发表论文百余篇，授权近20项知识图谱专利。担任多个国际期刊编委，百余次为国际/国内学术机构/会议提供学术服务工作。领导构建了知识工场平台，发布了一系列知识图谱包括CN-DBpedia、CN-Probase等。

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐