知識圖譜實戰：構建方法與行業應用

這是一本綜合介紹知識圖譜構建與行業實踐的著作，是作者多年從事知識圖譜與認知智慧應用落地經驗的總結，得到了多位知識圖譜資深專家的推薦。

本書以通俗易懂的方式來講解知識圖譜相關的知識，尤其對從零開始構建知識圖譜過程中需要經歷的步驟，以及每個步驟需要考慮的問題都給予較為詳細的解釋。

本書基於實際業務進行抽象，結合知識圖譜的7個構建步驟，深入分析知識圖譜技術應用以及8個行業綜合案例的設計與實現。

全書分為基礎篇、構建篇、實踐篇，共16章內容。
基礎篇（第1章），介紹知識圖譜的定義、分類、發展階段，以及構建方式、邏輯/技術架構、現狀與應用場景等。
構建篇（第2～8章），詳細介紹知識抽取、知識表示、知識融合、知識存儲、知識建模、知識推理、知識評估與運維等知識圖譜構建的核心步驟，並結合實例講解應用方法。
實踐篇（第9～16章），詳細講解知識圖譜的綜合應用，涵蓋知識問答評測、知識圖譜平臺、智慧搜索、圖書推薦系統、開放領域知識問答、交通領域知識問答、汽車領域知識問答、金融領域推理決策。

前言
基礎篇
第1章　理解知識圖譜　/　2
1.1　知識圖譜概述　/　2
1.1.1　知識定義及分類　/　3
1.1.2　知識圖譜定義　/　4
1.1.3　知識圖譜分類　/　5
1.1.4　知識圖譜發展階段　/　8
1.2　知識圖譜架構　/　8
1.2.1　構建方式　/　8
1.2.2　邏輯架構　/　9
1.2.3　技術架構　/　9
1.3　知識圖譜現狀　/　13
1.3.1　學術界研究現狀　/　13
1.3.2　工業界應用現狀　/　13
1.4　知識圖譜應用場景　/　14
1.4.1　智能搜索　/　14
1.4.2　推薦系統　/　15
1.4.3　知識問答　/　15
1.4.4　推理決策　/　16
1.5　本章小結　/　16

構建篇
第2章　知識抽取　/　18
2.1　知識抽取概述　/　18
2.1.1　知識抽取的定義　/　19
2.1.2　知識抽取的任務　/　20
2.2　知識抽取的方法　/　26
2.2.1　面向結構化資料　/　26
2.2.2　面向半結構化資料　/　28
2.2.3　面向非結構化資料　/　30
2.3　知識抽取實例　/　37
2.3.1　Deepdive的安裝和配置　/　38
2.3.2　實驗步驟　/　39
2.3.3　模型構建　/　47
2.4　本章小結　/　49
第3章　知識表示　/　50
3.1　知識表示概述　/　50
3.1.1　知識表示的定義　/　50
3.1.2　知識表示的任務　/　51
3.2　知識表示的方法　/　51
3.2.1　基於符號的知識表示　/　51
3.2.2　基於向量的知識表示　/　60
3.3　知識表示實例　/　64
3.3.1　環境配置　/　64
3.3.2　生成映射檔　/　65
3.3.3　將MySQL數據轉為RDF三元組　/　67
3.4　本章小結　/　68
第4章　知識融合　/　69
4.1　知識融合概述　/　69
4.1.1　知識融合的定義　/　70
4.1.2　知識融合的任務　/　70
4.2　知識融合的方法　/　73
4.2.1　本體對齊方法　/　73
4.2.2　實體對齊方法　/　77
4.3　知識融合實例　/　80
4.3.1　環境配置　/　81
4.3.2　預處理與匹配　/　81
4.3.3　結果評估　/　84
4.4　本章小結　/　85
第5章　知識存儲　/　86
5.1　知識存儲概述　/　86
5.1.1　知識存儲的定義　/　86
5.1.2　知識存儲的任務　/　87
5.2　知識存儲的方法　/　89
5.2.1　基於關係型數據庫的知識存儲　/　89
5.2.2　基於NoSQL的知識存儲　/　92
5.2.3　基於分散式的知識存儲　/　96
5.3　知識存儲實例　/　98
5.3.1　使用Apache Jena存儲資料　/　98
5.3.2　使用Neo4j資料庫存儲資料　/　98
5.4　本章小結　/　103
第6章　知識建模　/　104
6.1　知識建模概述　/　104
6.1.1　知識建模的定義　/　104
6.1.2　知識建模的任務　/　107
6.2　知識建模的方法　/　109
6.2.1　手工建模方法　/　109
6.2.2　半自動建模方法　/　113
6.2.3　本體自動建模方法　/　114
6.3　知識建模實例　/　116
6.3.1　創建專案實例　/　117
6.3.2　創建本體關係和屬性　/　118
6.3.3　知識圖譜視覺化　/　120
6.4　本章小結　/　121
第7章　知識推理　/　122
7.1　知識推理概述　/　122
7.1.1　知識推理的定義　/　122
7.1.2　知識推理的任務　/　123
7.2　知識推理的方法　/　124
7.2.1　基於邏輯規則的推理　/　124
7.2.2　基於知識表示學習的推理　/　131
7.2.3　基於神經網路的推理　/　134
7.2.4　混合推理　/　136
7.3　知識推理實例　/　137
7.4　本章小結　/　139
第8章　知識評估與運維　/　140
8.1　知識評估與運維概述　/　140
8.1.1　知識評估概述　/　141
8.1.2　知識運維概述　/　142
8.2　知識評估與運維的任務　/　143
8.2.1　知識評估任務　/　143
8.2.2　知識運維任務　/　147
8.3　知識評估與運維流程　/　149
8.3.1　知識評估流程　/　149
8.3.2　知識運維流程　/　150
8.4　本章小結　/　151

實踐篇
第9章　知識問答評測　/　154
9.1　知識問答系統概述　/　154
9.1.1　知識問答系統定義　/　155
9.1.2　知識問答問題分類　/　155
9.1.3　知識問答評測技術方案　/　157
9.2　自然語言知識問答評測　/　159
9.2.1　任務背景　/　159
9.2.2　資料分析　/　159
9.2.3　技術方案　/　160
9.2.4　任務結果　/　163
9.3　生活服務知識問答評測　/　164
9.3.1　任務背景　/　164
9.3.2　資料分析　/　164
9.3.3　技術方案　/　165
9.3.4　任務結果　/　168
9.4　開放知識問答評測　/　168
9.4.1　任務背景　/　168
9.4.2　資料分析　/　168
9.4.3　技術方案　/　169
9.4.4　任務結果　/　172
9.5　本章小結　/　172
第10章　知識圖譜平臺　/　173
10.1　知識圖譜平臺建設背景　/　173
10.2　知識圖譜平臺基本功能　/　175
10.3　AiMind知識圖譜平臺　/　175
10.3.1　資料管理　/　176
10.3.2　知識建模　/　180
10.3.3　知識抽取　/　185
10.3.4　知識融合　/　189
10.3.5　知識管理　/　191
10.3.6　知識應用　/　194
10.4　本章小結　/　196
第11章　智能搜索實踐　/　197
11.1　智能搜索背景　/　197
11.2　智慧搜索業務設計　/　198
11.2.1　場景設計　/　198
11.2.2　知識圖譜設計　/　199
11.2.3　模組設計　/　200
11.3　資料獲取與預處理　/　201
11.3.1　環境搭建　/　202
11.3.2　資料獲取　/　202
11.3.3　知識抽取　/　203
11.3.4　知識存儲　/　206
11.4　基於Jena的知識推理　/　207
11.4.1　OWL推理　/　208
11.4.2　Jena規則推理　/　209
11.5　基於 Elasticsearch的知識搜索　/　210
11.6　本章小結　/　216
第12章　圖書推薦系統實踐　/　217
12.1　推薦系統背景　/　217
12.2　圖書推薦業務設計　/　219
12.2.1　場景設計　/　219
12.2.2　知識圖譜設計　/　220
12.2.3　模組設計　/　221
12.3　數據預處理　/　222
12.3.1　環境搭建　/　223
12.3.2　知識抽取　/　224
12.3.3　資料生成　/　225
12.3.4　知識表示　/　227
12.3.5　知識存儲　/　229
12.4　模型訓練與評估　/　231
12.4.1　模型訓練　/　231
12.4.2　模型評估　/　234
12.5　推薦結果呈現　/　235
12.6　本章小結　/　235
第13章　開放領域知識問答實踐　/　236
13.1　知識問答背景　/　236
13.2　知識問答業務設計　/　237
13.2.1　場景設計　/　237
13.2.2　知識圖譜設計　/　239
13.2.3　模組設計　/　240
13.3　數據預處理　/　241
13.3.1　環境搭建　/　241
13.3.2　資料獲取　/　241
13.3.3　知識表示與存儲　/　242
13.4　問句識別及問答實現　/　246
13.4.1　實體識別與連結　/　246
13.4.2　向量建模　/　248
13.4.3　選取自動問答的答案　/　251
13.5　問答結果呈現　/　252
13.6　本章小結　/　254
第14章　交通領域知識問答實踐　/　255
14.1　交通領域背景　/　255
14.2　問答業務設計　/　256
14.2.1　場景設計　/　256
14.2.2　知識圖譜設計　/　257
14.2.3　模組設計　/　258
14.3　數據預處理　/　259
14.3.1　環境搭建　/　259
14.3.2　資料生成　/　259
14.3.3　知識抽取　/　261
14.3.4　知識表示　/　262
14.3.5　知識存儲　/　262
14.4　知識問答系統實現　/　264
14.5　問答結果呈現　/　266
14.6　本章小結　/　267
第15章　汽車領域知識問答實踐　/　268
15.1　汽車領域背景　/　268
15.2　問答業務設計　/　269
15.2.1　場景設計　/　269
15.2.2　知識圖譜設計　/　270
15.2.3　模組設計　/　273
15.3　數據預處理　/　274
15.3.1　環境搭建　/　275
15.3.2　數據導入　/　275
15.3.3　資料生成　/　277
15.3.4　知識抽取　/　279
15.3.5　知識推理　/　282
15.4　答案匹配與問答系統實現　/　284
15.4.1　答案匹配　/　284
15.4.2　問答系統實現　/　285
15.5　問答結果呈現　/　286
15.6　本章小結　/　288
第16章　金融領域推理決策實踐　/　289
16.1　金融決策背景　/　289
16.2　信貸反欺詐業務設計　/　290
16.2.1　場景設計　/　290
16.2.2　知識圖譜設計　/　291
16.2.3　模組設計　/　291
16.3　數據預處理　/　292
16.3.1　環境搭建　/　292
16.3.2　資料生成　/　293
16.3.3　知識抽取　/　296
16.3.4　知識表示　/　298
16.3.5　知識存儲　/　298
16.4　推理決策實現　/　299
16.4.1　基於自訂規則的Jena推理機的推理　/　300
16.4.2　基於SPARQL查詢語句的推理　/　302
16.4.3　基於Jena本體模型的推理　/　304
16.5　本章小結　/　307

于 俊
中國科學技術大學電子資訊專業博士研究生，科大訊飛大資料及人工智慧技術專家，安徽大學電腦技術專業碩士生導師，CCF高級會員。有超過15年的大資料及人工智慧演算法工程化經驗，專注大資料分析及資料價值挖掘、大資料及人工智慧技術應用落地。著有《Spark核心技術與高級應用》《Spark機器學習進階實戰》等書。

李雅潔
華中科技大學應用統計碩士，在知識圖譜、自然語言處理、大資料分析與挖掘、機器學習等領域有豐富的研究和開發經驗。精通Python、R語言以及Spark等大資料框架，擅長自然語言處理及知識圖譜構建。

彭加琪
中國科學技術大學電腦科學碩士，科大訊飛核心研發平臺主管，負責AI資料平臺和知識中台建設，精通Java、Python等程式設計語言，擅長分散式系統建設以及企業級知識圖譜構建與應用。

程知遠
悉尼大學資料科學碩士，科大訊飛大資料工程師，負責智慧教學產品及學生行為分析的演算法研究及引擎實現。精通Java、Python等程式設計語言，擅長分散式系統建設以及企業級知識圖譜構建與應用。