注册 | 登录读书好,好读书,读好书!
读书网-DuShu.com
当前位置: 首页出版图书科学技术计算机/网络人工智能知识图谱实战:构建方法与行业应用

知识图谱实战:构建方法与行业应用

知识图谱实战:构建方法与行业应用

定 价:¥99.00

作 者: 于俊,李雅洁,彭加琪,程知远
出版社: 机械工业出版社
丛编项:
标 签: 暂缺

购买这本书可以去


ISBN: 9787111721642 出版时间: 2023-02-01 包装: 平装-胶订
开本: 16开 页数: 字数:  

内容简介

  这是一本综合介绍知识图谱构建与行业实践的著作,是作者多年从事知识图谱与认知智能应用落地经验的总结,得到了多位知识图谱资深专家的推荐。本书以通俗易懂的方式来讲解知识图谱相关的知识,尤其对从零开始构建知识图谱过程中需要经历的步骤,以及每个步骤需要考虑的问题都给予较为详细的解释。本书基于实际业务进行抽象,结合知识图谱的7个构建步骤,深入分析知识图谱技术应用以及8个行业综合案例的设计与实现。全书分为基础篇、构建篇、实践篇,共16章内容。基础篇(第1章),介绍知识图谱的定义、分类、发展阶段,以及构建方式、逻辑/技术架构、现状与应用场景等。构建篇(第2~8章),详细介绍知识抽取、知识表示、知识融合、知识存储、知识建模、知识推理、知识评估与运维等知识图谱构建的核心步骤,并结合实例讲解应用方法。实践篇(第9~16章),详细讲解知识图谱的综合应用,涵盖知识问答评测、知识图谱平台、智能搜索、图书推荐系统、开放领域知识问答、交通领域知识问答、汽车领域知识问答、金融领域推理决策。

作者简介

  于 俊中国科学技术大学电子信息专业博士研究生,科大讯飞大数据及人工智能技术专家,安徽大学计算机技术专业硕士生导师,CCF高级会员。有超过15年的大数据及人工智能算法工程化经验,专注大数据分析及数据价值挖掘、大数据及人工智能技术应用落地。著有《Spark核心技术与高级应用》《Spark机器学习进阶实战》等书。李雅洁华中科技大学应用统计硕士,在知识图谱、自然语言处理、大数据分析与挖掘、机器学习等领域有丰富的研究和开发经验。精通Python、R语言以及Spark等大数据框架,擅长自然语言处理及知识图谱构建。彭加琪中国科学技术大学计算机科学硕士,科大讯飞核心研发平台主管,负责AI数据平台和知识中台建设,精通Java、Python等编程语言,擅长分布式系统建设以及企业级知识图谱构建与应用。程知远悉尼大学数据科学硕士,科大讯飞大数据工程师,负责智慧教学产品及学生行为分析的算法研究及引擎实现。精通Java、Python等编程语言,擅长分布式系统建设以及企业级知识图谱构建与应用。

图书目录

目  录
前言
基础篇
第1章 理解知识图谱 / 2
1.1 知识图谱概述 / 2
1.1.1 知识定义及分类 / 3
1.1.2 知识图谱定义 / 4
1.1.3 知识图谱分类 / 5
1.1.4 知识图谱发展阶段 / 8
1.2 知识图谱架构 / 8
1.2.1 构建方式 / 8
1.2.2 逻辑架构 / 9
1.2.3 技术架构 / 9
1.3 知识图谱现状 / 13
1.3.1 学术界研究现状 / 13
1.3.2 工业界应用现状 / 13
1.4 知识图谱应用场景 / 14
1.4.1 智能搜索 / 14
1.4.2 推荐系统 / 15
1.4.3 知识问答 / 15
1.4.4 推理决策 / 16
1.5 本章小结 / 16
构建篇
第2章 知识抽取 / 18
2.1 知识抽取概述 / 18
2.1.1 知识抽取的定义 / 19
2.1.2 知识抽取的任务 / 20
2.2 知识抽取的方法 / 26
2.2.1 面向结构化数据 / 26
2.2.2 面向半结构化数据 / 28
2.2.3 面向非结构化数据 / 30
2.3 知识抽取实例 / 37
2.3.1 Deepdive的安装
和配置 / 38
2.3.2 实验步骤 / 39
2.3.3 模型构建 / 47
2.4 本章小结 / 49
第3章 知识表示 / 50
3.1 知识表示概述 / 50
3.1.1 知识表示的定义 / 50
3.1.2 知识表示的任务 / 51
3.2 知识表示的方法 / 51
3.2.1 基于符号的知识表示 / 51
3.2.2 基于向量的知识表示 / 60
3.3 知识表示实例 / 64
3.3.1 环境配置 / 64
3.3.2 生成映射文件 / 65
3.3.3 将MySQL数据转为RDF
三元组 / 67
3.4 本章小结 / 68
第4章 知识融合 / 69
4.1 知识融合概述 / 69
4.1.1 知识融合的定义 / 70
4.1.2 知识融合的任务 / 70
4.2 知识融合的方法 / 73
4.2.1 本体对齐方法 / 73
4.2.2 实体对齐方法 / 77
4.3 知识融合实例 / 80
4.3.1 环境配置 / 81
4.3.2 预处理与匹配 / 81
4.3.3 结果评估 / 84
4.4 本章小结 / 85
第5章 知识存储 / 86
5.1 知识存储概述 / 86
5.1.1 知识存储的定义 / 86
5.1.2 知识存储的任务 / 87
5.2 知识存储的方法 / 89
5.2.1 基于关系型数据库的
知识存储 / 89
5.2.2 基于NoSQL的
知识存储 / 92
5.2.3 基于分布式的
知识存储 / 96
5.3 知识存储实例 / 98
5.3.1 使用Apache Jena
存储数据 / 98
5.3.2 使用Neo4j数据库
存储数据 / 98
5.4 本章小结 / 103
第6章 知识建模 / 104
6.1 知识建模概述 / 104
6.1.1 知识建模的定义 / 104
6.1.2 知识建模的任务 / 107
6.2 知识建模的方法 / 109
6.2.1 手工建模方法 / 109
6.2.2 半自动建模方法 / 113
6.2.3 本体自动建模方法 / 114
6.3 知识建模实例 / 116
6.3.1 创建项目实例 / 117
6.3.2 创建本体关系和属性 / 118
6.3.3 知识图谱可视化 / 120
6.4 本章小结 / 121
第7章 知识推理 / 122
7.1 知识推理概述 / 122
7.1.1 知识推理的定义 / 122
7.1.2 知识推理的任务 / 123
7.2 知识推理的方法 / 124
7.2.1 基于逻辑规则的推理 / 124
7.2.2 基于知识表示学习的推理 / 131
7.2.3 基于神经网络的推理 / 134
7.2.4 混合推理 / 136
7.3 知识推理实例 / 137
7.4 本章小结 / 139
第8章 知识评估与运维 / 140
8.1 知识评估与运维概述 / 140
8.1.1 知识评估概述 / 141
8.1.2 知识运维概述 / 142
8.2 知识评估与运维的任务 / 143
8.2.1 知识评估任务 / 143
8.2.2 知识运维任务 / 147
8.3 知识评估与运维流程 / 149
8.3.1 知识评估流程 / 149
8.3.2 知识运维流程 / 150
8.4 本章小结 / 151
实践篇
第9章 知识问答评测 / 154
9.1 知识问答系统概述 / 154
9.1.1 知识问答系统定义 / 155
9.1.2 知识问答问题分类 / 155
9.1.3 知识问答评测技术方案 / 157
9.2 自然语言知识问答评测 / 159
9.2.1 任务背景 / 159
9.2.2 数据分析 / 159
9.2.3 技术方案 / 160
9.2.4 任务结果 / 163
9.3 生活服务知识问答评测 / 164
9.3.1 任务背景 / 164
9.3.2 数据分析 / 164
9.3.3 技术方案 / 165
9.3.4 任务结果 / 168
9.4 开放知识问答评测 / 168
9.4.1 任务背景 / 168
9.4.2 数据分析 / 168
9.4.3 技术方案 / 169
9.4.4 任务结果 / 172
9.5 本章小结 / 172
第10章 知识图谱平台 / 173
10.1 知识图谱平台建设背景 / 173
10.2 知识图谱平台基本功能 / 175
10.3 AiMind知识图谱平台 / 175
10.3.1 数据管理 / 176
10.3.2 知识建模 / 180
10.3.3 知识抽取 / 185
10.3.4 知识融合 / 189
10.3.5 知识管理 / 191
10.3.6 知识应用 / 194
10.4 本章小结 / 196
第11章 智能搜索实践 / 197
11.1 智能搜索背景 / 197
11.2 智能搜索业务设计 / 198
11.2.1 场景设计 / 198
11.2.2 知识图谱设计 / 199
11.2.3 模块设计 / 200
11.3 数据获取与预处理 / 201
11.3.1 环境搭建 / 202
11.3.2 数据获取 / 202
11.3.3 知识抽取 / 203
11.3.4 知识存储 / 206
11.4 基于Jena的知识推理 / 207
11.4.1 OWL推理 / 208
11.4.2 Jena规则推理 / 209
11.5 基于 Elasticsearch的
知识搜索 / 210
11.6 本章小结 / 216
第12章 图书推荐系统实践 / 217
12.1 推荐系统背景 / 217
12.2 图书推荐业务设计 / 219
12.2.1 场景设计 / 219
12.2.2 知识图谱设计 / 220
12.2.3 模块设计 / 221
12.3 数据预处理 / 222
12.3.1 环境搭建 / 223
12.3.2 知识抽取 / 224
12.3.3 数据生成 / 225
12.3.4 知识表示 / 227
12.3.5 知识存储 / 229
12.4 模型训练与评估 / 231
12.4.1 模型训练 / 231
12.4.2 模型评估 / 234
12.5 推荐结果呈现 / 235
12.6 本章小结 / 235
第13章 开放领域知识问答实践 / 236
13.1 知识问答背景 / 236
13.2 知识问答业务设计 / 237
13.2.1 场景设计 / 237
13.2.2 知识图谱设计 / 239
13.2.3 模块设计 / 240
13.3 数据预处理 / 241
13.3.1 环境搭建 / 241
13.3.2 数据获取 / 241
13.3.3 知识表示与存储 / 242
13.4 问句识别及问答实现 / 246
13.4.1 实体识别与链接 / 246
13.4.2 向量建模 / 248
13.4.3 选取自动问答的答案 / 251
13.5 问答结果呈现 / 252
13.6 本章小结 / 254
第14章 交通领域知识问答实践 / 255
14.1 交通领域背景 / 255
14.2 问答业务设计 / 256
14.2.1 场景设计 / 256
14.2.2 知识图谱设计 / 257
14.2.3 模块设计 / 258
14.3 数据预处理 / 259
14.3.1 环境搭建 / 259
14.3.2 数据生成 / 259
14.3.3 知识抽取 / 261
14.3.4 知识表示 / 262
14.3.5 知识存储 / 262
14.4 知识问答系统实现 / 264
14.5 问答结果呈现 / 266
14.6 本章小结 / 267
第15章 汽车领域知识问答实践 / 268
15.1 汽车领域背景 / 268
15.2 问答业务设计 / 269
15.2.1 场景设计 / 269
15.2.2 知识图谱设计 / 270
15.2.3 模块设计 / 273
15.3 数据预处理 / 274
15.3.1 环境搭建 / 275
15.3.2 数据导入 / 275
15.3.3 数据生成 / 277
15.3.4 知识抽取 / 279
15.3.5 知识推理 / 282
15.4 答案匹配与问答系统实现 / 284
15.4.1 答案匹配 / 284
15.4.2 问答系统实现 / 285
15.5 问答结果呈现 / 286
15.6 本章小结 / 288
第16章 金融领域推理决策实践 / 289
16.1 金融决策背景 / 289
16.2 信贷反欺诈业务设计 / 290
16.2.1 场景设计 / 290
16.2.2 知识图谱设计 / 291
16.2.3 模块设计 / 291
16.3 数据预处理 / 292
16.3.1 环境搭建 / 292
16.3.2 数据生成 / 293
16.3.3 知识抽取 / 296
16.3.4 知识表示 / 298
16.3.5 知识存储 / 298
16.4 推理决策实现 / 299
16.4.1 基于自定义规则的Jena
推理机的推理 / 300
16.4.2 基于SPARQL查询语句
的推理 / 302
16.4.3 基于Jena本体模型
的推理 / 304
16.5 本章小结 / 307

本目录推荐