從零構(gòu)建知識圖譜：技術(shù)、方法與案例

定　價：￥99.00

作　者：	邵浩，張凱，李方圓，張云柯，戴錫強著
出版社：	機械工業(yè)出版社
叢編項：	智能系統(tǒng)與技術(shù)叢書
標　簽：	暫缺

購買這本書可以去

ISBN：	9787111686835	出版時間：	2021-09-01	包裝：	平裝
開本：	16開	頁數(shù)：	346	字數(shù)：

內(nèi)容簡介

　　這是一本能讓讀者快速從零開始構(gòu)建工業(yè)級知識圖譜的著作。作者是知識圖譜和自然語言處理領(lǐng)域的專家，本書得到了OpenKG聯(lián)合創(chuàng)始人王昊奮、清華大學教授李涓子、東南大學教授漆桂林、美團知識圖譜團隊負責人張富崢、文因互聯(lián)創(chuàng)始人鮑捷等學界和業(yè)界知識圖譜扛旗人的一致好評和推薦。本書不僅詳細講解了知識圖譜的技術(shù)原理和構(gòu)建工具，而且還循序漸進地講解了知識圖譜的構(gòu)建方法、步驟和行業(yè)應用。配有大量實戰(zhàn)案例，并且開放了源代碼，確保讀者能學會并落地。全書一共8章：第1章介紹了知識圖譜的概念、模式、應用場景和技術(shù)架構(gòu)；第2章圍繞知識圖譜的技術(shù)體系，詳細闡述了知識的表示與建模、抽取與挖掘、存儲與融合，以及檢索與推理；第3章通過具體的實例介紹了各種知識圖譜工具的使用；第4章和第5章從工業(yè)實踐的角度講解了從0到1構(gòu)建通用知識圖譜和領(lǐng)域知識圖譜的步驟和方法，并配備詳細的代碼解讀；第6~7章講解了知識圖譜的具體應用和一個綜合性的知識圖譜案例——問答系統(tǒng)，進一步指導讀者實踐；第8章對知識圖譜的未來發(fā)展進行了總結(jié)和展望。

作者簡介

　　邵浩資深人工智能技術(shù)專家，vivo技術(shù)總監(jiān)。曾任狗尾草智能科技AI研究院院長，帶領(lǐng)團隊打造了虛擬生命產(chǎn)品的交互引擎。上海市靜安區(qū)首屆優(yōu)秀人才，上海市人才發(fā)展基金獲得者，杭州市高層次人才。中國中文信息學會青年工作委員會委員，語言與知識計算專委會委員，中國計算機學會語音對話與聽覺專委會委員，自然語言處理專委會委員。日本國立九州大學工學博士，亞利桑那州立大學訪問學者，曾任上海對外經(jīng)貿(mào)大學副教授，碩士生導師。共發(fā)表論文 50余篇，專利十余項，在國內(nèi)率先出版了聊天機器人和預訓練語言模型相關(guān)的著作，主持多項國*級和省部級課題。張凱資深AI算法工程師，主要研究方向包括知識圖譜、對話系統(tǒng)、推薦系統(tǒng)、機器翻譯等，擁有多年算法落地經(jīng)驗。主導構(gòu)建了開放通用知識圖譜七律，參與了《知識圖譜評測標準》和《知識圖譜白皮書》的編寫。聊天機器人專業(yè)書籍作者之一。李方圓資深AI算法工程師，主要研究方向包括機器翻譯、知識圖譜和問答系統(tǒng)，具有多年實戰(zhàn)項目經(jīng)驗，現(xiàn)任vivo機器翻譯團隊負責人，主導從零構(gòu)建機器翻譯能力。張云柯資深AI算法工程師，中文信息學會會員，碩士畢業(yè)于加拿大Queen’s University，曾任職于奇虎360。主要研究方向包括自然語言處理與知識圖譜，曾于領(lǐng)域內(nèi)知名會議發(fā)表相關(guān)論文，擁有豐富的算法落地經(jīng)驗。戴錫強資深AI算法工程師，主要研究方向為知識圖譜、對話系統(tǒng)等，參與構(gòu)建了百科知識圖譜，醫(yī)藥領(lǐng)域知識圖譜，基于知識圖譜的問答系統(tǒng)等，具有豐富的知識圖譜落地經(jīng)驗。

圖書目錄

推薦序
前言
第1章　知識圖譜概覽 1
1.1　知識圖譜序言 1
1.2　知識圖譜基本概念 3
1.2.1　知識圖譜背景 3
1.2.2　知識圖譜的定義 5
1.2.3　典型知識圖譜示例 7
1.3　知識圖譜的模式 10
1.4　為什么需要知識圖譜 13
1.5　知識圖譜的典型應用 15
1.6　知識圖譜的技術(shù)架構(gòu) 17
參考文獻 18
第2章　知識圖譜技術(shù)體系 19
2.1　知識表示與知識建模 19
2.1.1　知識表示 19
2.1.2　知識建模 26
2.2　知識抽取與知識挖掘 29
2.2.1　知識抽取 29
2.2.2　知識挖掘 38
2.3　知識存儲與知識融合 42
2.3.1　知識存儲 42
2.3.2　知識融合 47
2.4　知識檢索與知識推理 52
2.4.1　知識檢索 53
2.4.2　知識推理 58
參考文獻 61
第3章　知識圖譜工具 63
3.1　知識建模工具 63
3.1.1　Protégé 64
3.1.2　其他本體建模工具 79
3.1.3　本體建模工具的選擇 83
3.2　知識抽取工具 84
3.2.1　DeepDive 84
3.2.2　其他知識抽取工具 102
3.2.3　知識抽取工具對比 106
3.3　知識存儲工具 107
3.3.1　Neo4j 108
3.3.2　Neo4j安裝與部署 109
3.3.3　可視化 113
3.3.4　圖模型 115
3.3.5　其他圖數(shù)據(jù)庫 120
參考文獻 122
第4章　從零構(gòu)建通用知識圖譜 123
4.1　通用知識表示與抽取 123
4.1.1　通用知識數(shù)據(jù)來源 123
4.1.2　實體層構(gòu)建 126
4.1.3　表述層構(gòu)建 131
4.1.4　概念層構(gòu)建 134
4.2　知識增強 135
4.2.1　實體層知識增強 135
4.2.2　模式完善 139
4.2.3　實體鏈接：表述層與實體層之間的映射 144
4.2.4　實體分類：實體層與概念層之間的映射 146
4.3　百科知識存儲與更新 153
4.3.1　屬性圖存儲模型 154
4.3.2　知識存儲 156
4.3.3　知識更新 168
第5章　領(lǐng)域知識圖譜構(gòu)建 172
5.1　領(lǐng)域知識圖譜概覽 172
5.2 　醫(yī)藥領(lǐng)域知識圖譜 173
5.2.1　領(lǐng)域模式構(gòu)建 174
5.2.2　領(lǐng)域知識抽取 176
5.2.3　領(lǐng)域圖譜構(gòu)建 178
5.2.4　圖譜展示 182
5.3　用戶畫像圖譜 183
5.3.1　用戶畫像知識表示 183
5.3.2　知識抽取和挖掘 185
5.3.3　抽取案例 194
參考文獻 207
第6章　知識圖譜應用 208
6.1　知識可視化 208
6.1.1　D3 208
6.1.2　ECharts 213
6.1.3　其他工具介紹 220
6.1.4　小結(jié) 225
6.2　實體鏈接 225
6.2.1　實體鏈接的定義 225
6.2.2　實體鏈接的步驟 226
6.2.3　實體鏈接工具 232
6.2.4　實體鏈接的應用 242
6.3　知識問答 245
6.3.1　知識問答系統(tǒng)概述 245
6.3.2　知識問答系統(tǒng)的主要流程 247
6.3.3　主流知識問答系統(tǒng)介紹 252
6.3.4　問答系統(tǒng)實戰(zhàn) 260
6.4　聯(lián)想 277
6.4.1　聯(lián)想整體流程 278
6.4.2　話題識別 279
6.4.3　候選話題生成 280
6.4.4　候選話題排序 282
6.4.5　聯(lián)想回復生成 290
參考文獻 292
第7章　基于知識圖譜的問答系統(tǒng) 297
7.1　簡介 297
7.2　自然語言理解 300
7.2.1　概述 300
7.2.2　基礎(chǔ)NLU 301
7.2.3　意圖理解 309
7.2.4　實體識別與鏈接 317
7.2.5　文本相似度與向量化 317
7.3　對話管理 322
7.3.1　概述 322
7.3.2　知識問答 327
7.3.3　閑聊 331
7.4　自然語言生成 332
7.5　服務(wù)化 333
參考文獻 335
第8章　總結(jié)與展望 336
參考文獻 338