目錄

第1章 知識圖譜概述 1

1.1 語言與知識 2

1.2 知識圖譜的起源 7

1.3 知識圖譜的價值 12

1.4 知識圖譜的技術內(nèi)涵 16

1.5 建立知識圖譜的系統(tǒng)工程觀 20

第2章 知識圖譜的表示 21

2.1 什么是知識表示 22

2.2 人工智能歷史發(fā)展長河中的知識表示 24

2.3 知識圖譜的符號表示方法 28

2.4 知識圖譜的向量表示方法 32

2.5 總結 38

第3章 知識圖譜的存儲與查詢 39

3.1 基于關系型數(shù)據(jù)庫的知識圖譜存儲 40

3.2 基于原生圖數(shù)據(jù)庫的知識圖譜存儲 44

3.3 原生圖數(shù)據(jù)庫實現(xiàn)原理淺析 52

3.4 總結 55

第4章 知識圖譜的獲取與構建 57

4.1 重新理解知識工程與知識獲取 58

4.2 實體識別 62

4.3 關系抽取 71

4.4 屬性補全 81

4.5 概念抽取 83

4.6 事件識別與抽取 87

4.7 知識抽取技術前沿 91

4.8 總結 95

第5章 知識圖譜推理 96

5.1 推理簡述 97

5.2 知識圖譜推理簡介 101

5.3 基于符號邏輯的知識圖譜推理 108

5.4 基于表示學習的知識圖譜推理 117

5.5 總結 144

第6章 知識圖譜融合 146

6.1 知識圖譜融合概述 147

6.2 概念層融合——本體匹配 150

6.3 實例層的融合——實體對齊 155

6.4 知識融合技術前沿 159

6.5 總結 162

第7章 知識圖譜問答 163

7.1 智能問答概述 164

7.2 基于問句模板的知識圖譜問答 172

7.3 基于語義解析的知識圖譜問答 178

7.4 基于檢索排序的知識圖譜問答 185

7.5 基于深度學習的知識圖譜問答 188

7.6 總結 195

第8章 圖算法與圖數(shù)據(jù)分析 196

8.1 圖的基本知識 197

8.2 基礎圖算法 204

8.3 圖表示學習與圖神經(jīng)網(wǎng)絡 211

8.4 知識圖譜與圖神經(jīng)網(wǎng)絡 224

8.5 總結 232

第9章 知識圖譜技術發(fā)展 233

9.1 多模態(tài)知識圖譜 234

9.2 知識圖譜與語言預訓練 248

9.3 事理知識圖譜 255

9.4 知識圖譜與低資源學習 261

9.5 結構化知識預訓練 276

9.6 知識圖譜與區(qū)塊鏈 293