万本电子书0元读

万本电子书0元读

顶部广告

知识图谱:方法、实践与应用电子书

知识图谱方法。系统阐述知识图谱的发展历史与基本概念,梳理知识图谱全生命周期技术,建立方法论思维。 知识图谱实践。囊括知识表示与建模、知识存储、知识抽取与挖掘、知识融合、知识推理、语义搜索、知识问答等,系统性介绍知识图谱技术。各章节提供典型源工具实践案例,提供相关工具、实验数据及完整的操作说明。 知识图谱应用。结合电商、图情、生活娱乐、企业商业、创投、中医临床、金融等实际应用场景,详细介绍领域知识图谱的构建方法。

售       价:¥

纸质售价:¥109.00购买纸书

214人正在读 | 0人评论 7

作       者:王昊奋,漆桂林,等

出  版  社:电子工业出版社

出版时间:2019-08-01

字       数:38.7万

所属分类: 科技 > 计算机/网络 > 计算机理论与教程

温馨提示:此类商品不支持退换货,不支持下载打印

为你推荐

  • 读书简介
  • 目录
  • 累计评论(0条)
  • 读书简介
  • 目录
  • 累计评论(0条)
知识图谱是较为典型的多学科交叉领域,涉及知识工程、自然语言处理、机器学习、图数据库等多个领域。本书系统地介绍知识图谱涉及的关键技术,如知识建模、关系抽取、图存储、自动推理、图谱表示学习、语义搜索、知识问答、图挖掘分析等。此外,本书还尝试将学术前沿和实战结合,让读者在掌握实际应用能力的同时对前沿技术发展有所了解。本书既适合计算机和人工智能相关的研究人员阅读,又适合在企业一线从事技术和应用发的人员学习,还可作为高等院校计算机或人工智能专业师生的参考教材。 知识图谱是较为典型的多学科交叉领域,涉及知识工程、自然语言处理、机器学习、图数据库等多个领域。本书系统地介绍知识图谱涉及的关键技术,如知识建模、关系抽取、图存储、自动推理、图谱表示学习、语义搜索、知识问答、图挖掘分析等。此外,本书还尝试将学术前沿和实战结合,让读者在掌握实际应用能力的同时对前沿技术发展有所了解。本书既适合计算机和人工智能相关的研究人员阅读,又适合在企业一线从事技术和应用发的人员学习,还可作为高等院校计算机或人工智能专业师生的参考教材。
【推荐语】
知识图谱方法。系统阐述知识图谱的发展历史与基本概念,梳理知识图谱全生命周期技术,建立方法论思维。 知识图谱实践。囊括知识表示与建模、知识存储、知识抽取与挖掘、知识融合、知识推理、语义搜索、知识问答等,系统性介绍知识图谱技术。各章节提供典型源工具实践案例,提供相关工具、实验数据及完整的操作说明。 知识图谱应用。结合电商、图情、生活娱乐、企业商业、创投、中医临床、金融等实际应用场景,详细介绍领域知识图谱的构建方法。  
【作者】
王昊奋,上海交通大学计算机博士。中文知识图谱zhishi.me创始人、OpenKG发起人之一、CCF理事、CCF术语审定工委主任、CCF TF执委、中文信息学会语言与知识计算专委会副秘书长、上海交通大学校友会AI分会秘书长。在知识图谱、问答系统和聊天机器人等诸多领域有丰富的研发经验。 漆桂林,东南大学计算机学院教授、东南大学认知智能研究所所长、南京柯基数据科技有限公司首席科学家、OpenKG发起人之一、中国中文信息学会语言与知识计算专业委员会副主任、中国科学技术情报学会知识组织专业委员会副主任、爱思唯尔(Elsevier)数据管理顾问委员会顾问、国际期刊 Journal of Data Intelligence 执行主编。科研成果在电力故障智能检测和知识推送、医药知识问答及网络安全态势感知系统等领域得到了实际应用。 陈华钧,浙江大学计算机科学与技术学院教授。浙江大学阿里巴巴知识引擎联合实验室负责人、浙江省大数据智能计算重实验室副主任、中国人工智能学会知识工程与分布智能专业委员会副主任委员、中国中文信息学会语言与知识计算专业委员会副主任委员、OpenKG发起人。曾获国际语义网会议ISWC最佳论文奖。
目录展开

作者简介

前言

第1章 知识图谱概述

1.1 什么是知识图谱

1.2 知识图谱的发展历史

1.3 知识图谱的价值

1.4 国内外典型的知识图谱项目

1.5 知识图谱的技术流程

1.6 知识图谱的相关技术

1.7 本章小结

参考文献

第2章 知识图谱表示与建模

2.1 什么是知识表示

2.2 人工智能早期的知识表示方法

2.3 互联网时代的语义网知识表示框架

2.4 常见开放域知识图谱的知识表示方法

2.5 知识图谱的向量表示方法

2.6 开源工具实践:基于Protégé的本体知识建模

2.7 本章小结

参考文献

第3章 知识存储

3.1 知识图谱数据库基本知识

3.2 常见知识图谱存储方法

3.3 知识存储关键技术

3.4 开源工具实践

参考文献

第4章 知识抽取与知识挖掘

4.1 知识抽取任务及相关竞赛

4.2 面向非结构化数据的知识抽取

4.3 面向结构化数据的知识抽取

4.4 面向半结构化数据的知识抽取

4.5 知识挖掘

4.6 开源工具实践:基于DeepDive的关系抽取实践

参考文献

第5章 知识图谱融合

5.1 什么是知识图谱融合

5.2 知识图谱中的异构问题

5.3 本体概念层的融合方法与技术

5.4 实例层的融合与匹配

5.5 开源工具实践:实体关系发现框架LIMES

5.6 本章小结

参考文献

第6章 知识图谱推理

6.1 推理概述

6.2 基于演绎的知识图谱推理

6.3 基于归纳的知识图谱推理

6.4 知识图谱推理新进展

6.5 开源工具实践:基于Jena和Drools的知识推理实践

6.6 本章小结

参考文献

第7章 语义搜索

7.1 语义搜索简介

7.2 结构化的查询语言

7.3 语义数据搜索

7.4 语义搜索的交互范式

7.5 开源工具实践

参考文献

第8章 知识问答

8.1 知识问答概述

8.2 知识问答的分类体系

8.3 知识问答系统

8.4 知识问答的评价方法

8.5 KBQA前沿技术

8.6 开源工具实践

8.7 本章小结

参考文献

第9章 知识图谱应用案例

9.1 领域知识图谱构建的技术流程

9.2 领域知识图谱构建的基本方法

9.3 领域知识图谱的应用案例

9.4 本章小结

参考文献

内容简介

累计评论(0条) 0个书友正在讨论这本书 发表评论

发表评论

发表评论,分享你的想法吧!

买过这本书的人还买过

读了这本书的人还在读

回顶部