官网从零构建知识图谱技术方法与案例邵浩张凯李方圆张云柯戴锡强知识图谱技术原理和构建工具知识图谱构建方法步骤和行业应用代码解读书籍 pdf下载

  内容简介

内容简介
这是一本能让读者快速从零开始构建工业级知识图谱的著作。作者是知识图谱和自然语言处理领域的专家，本书得到了OpenKG联合创始人王昊奋、清华大学教授李涓子、东南大学教授漆桂林、美团知识图谱团队负责人张富峥、文因互联创始人鲍捷等学界和业界知识图谱扛旗人的一致好评和推荐。
本书不仅详细讲解了知识图谱的技术原理和构建工具，而且还循序渐进地讲解了知识图谱的构建方法、步骤和行业应用。配有大量实战案例，并且开放了源代码，确保读者能学会并落地。
全书一共8章：
*1章介绍了知识图谱的概念、模式、应用场景和技术架构；
*2章围绕知识图谱的技术体系，详细阐述了知识的表示与建模、抽取与挖掘、存储与融合，以及检索与推理；
第3章通过具体的实例介绍了各种知识图谱工具的使用；
第4章和第5章从工业实践的角度讲解了从0到1构建通用知识图谱和领域知识图谱的步骤和方法，并配备详细的代码解读；
第6~7章讲解了知识图谱的具体应用和一个综合性的知识图谱案例——问答系统，进一步指导读者实践；
第8章对知识图谱的未来发展进行了总结和展望。

  目录

  推荐序
前言
*1章 知识图谱概览 1
1.1 知识图谱序言 1
1.2 知识图谱基本概念 3
1.2.1 知识图谱背景 3
1.2.2 知识图谱的定义 5
1.2.3 典型知识图谱示例 7
1.3 知识图谱的模式 10
1.4 为什么需要知识图谱 13
1.5 知识图谱的典型应用 15
1.6 知识图谱的技术架构 17
参考文献 18
*2章 知识图谱技术体系 19
2.1 知识表示与知识建模 19
2.1.1 知识表示 19
2.1.2 知识建模 26
2.2 知识抽取与知识挖掘 29
2.2.1 知识抽取 29
2.2.2 知识挖掘 38
2.3 知识存储与知识融合 42
2.3.1 知识存储 42
2.3.2 知识融合 47
2.4 知识检索与知识推理 52
2.4.1 知识检索 53
2.4.2 知识推理 58
参考文献 61
第3章 知识图谱工具 63
3.1 知识建模工具 63
3.1.1 Protégé 64
3.1.2 其他本体建模工具 79
3.1.3 本体建模工具的选择 83
3.2 知识抽取工具 84
3.2.1 DeepDive 84
3.2.2 其他知识抽取工具 102
3.2.3 知识抽取工具对比 106
3.3 知识存储工具 107
3.3.1 Neo4j 108
3.3.2 Neo4j安装与部署 109
3.3.3 可视化 113
3.3.4 图模型 115
3.3.5 其他图数据库 120
参考文献 122
第4章 从零构建通用知识图谱 123
4.1 通用知识表示与抽取 123
4.1.1 通用知识数据来源 123
4.1.2 实体层构建 126
4.1.3 表述层构建 131
4.1.4 概念层构建 134
4.2 知识增强 135
4.2.1 实体层知识增强 135
4.2.2 模式完善 139
4.2.3 实体链接：表述层与实体层之间的映射 144
4.2.4 实体分类：实体层与概念层之间的映射 146
4.3 百科知识存储与更新 153
4.3.1 属性图存储模型 154
4.3.2 知识存储 156
4.3.3 知识更新 168
第5章 领域知识图谱构建 172
5.1 领域知识图谱概览 172
5.2 医药领域知识图谱 173
5.2.1 领域模式构建 174
5.2.2 领域知识抽取 176
5.2.3 领域图谱构建 178
5.2.4 图谱展示 182
5.3 用户画像图谱 183
5.3.1 用户画像知识表示 183
5.3.2 知识抽取和挖掘 185
5.3.3 抽取案例 194
参考文献 207
第6章 知识图谱应用 208
6.1 知识可视化 208
6.1.1 D3 208
6.1.2 ECharts 213
6.1.3 其他工具介绍 220
6.1.4 小结 225
6.2 实体链接 225
6.2.1 实体链接的定义 225
6.2.2 实体链接的步骤 226
6.2.3 实体链接工具 232
6.2.4 实体链接的应用 242
6.3 知识问答 245
6.3.1 知识问答系统概述 245
6.3.2 知识问答系统的主要流程 247
6.3.3 主流知识问答系统介绍 252
6.3.4 问答系统实战 260
6.4 联想 277
6.4.1 联想整体流程 278
6.4.2 话题识别 279
6.4.3 候选话题生成 280
6.4.4 候选话题排序 282
6.4.5 联想回复生成 290
参考文献 292
第7章 基于知识图谱的问答系统 297
7.1 简介 297
7.2 自然语言理解 300
7.2.1 概述 300
7.2.2 基础NLU 301
7.2.3 意图理解 309
7.2.4 实体识别与链接 317
7.2.5 文本相似度与向量化 317
7.3 对话管理 322
7.3.1 概述 322
7.3.2 知识问答 327
7.3.3 闲聊 331
7.4 自然语言生成 332
7.5 服务化 333
参考文献 335
第8章 总结与展望 336
参考文献 338