本书深浅出地剖析知识图谱的奥秘，以代码实战为利器，助您轻松构建语义网络，解锁人工智能的无限可能。融合大语言模型的前沿视角，本书引领您探索知识图谱与深度学习的交汇，启智能时代的新篇章。
售 价：¥
纸质售价：¥78.20购买纸书
6.3
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
封面页
书名页
作者简介
内容简介
前言
第一篇 基础篇
第1章 知识图谱概述
1.1 知识图谱的概念
1.2 知识图谱的发展
1.2.1 知识图谱与人工智能
1.2.2 专家系统
1.2.3 语义网
1.2.4 知识图谱的发展
1.3 知识图谱的应用与现状
1.3.1 知识图谱分类
1.3.2 通用知识图谱
1.3.3 领域知识图谱
1.4 参考文献
第2章 知识图谱构建技术
2.1 知识表示与知识建模
2.1.1 知识表示
2.1.2 知识建模
2.2 知识抽取
2.2.1 实体抽取
2.2.2 关系抽取
2.2.3 事件抽取
2.3 知识存储
2.3.1 基于表结构的关系型数据库
2.3.2 RDF存储系统
2.3.3 原生图数据库
2.4 知识融合
2.4.1 知识融合的概念
2.4.2 知识融合的异构
2.4.3 本体匹配
2.4.4 实体对齐
2.5 知识推理
2.6 参考文献
第3章 知识图谱的应用
3.1 知识库问答
3.1.1 知识库问答的构建方法
3.1.2 基于知识图谱的问答系统应用
3.2 基于图谱的推荐系统
3.2.1 推荐系统
3.2.2 基于知识图谱的推荐系统
3.2.3 推荐系统的应用
3.3 参考文献
第4章 数据采集与数据处理
4.1 数据采集
4.1.1 网络爬虫概述
4.1.2 网页爬虫采集
4.1.3 App爬虫采集
4.1.4 反爬虫
4.1.5 Scrapy框架
4.2 数据处理
4.2.1 结构化数据
4.2.2 半结构化数据
4.2.3 非结构化数据
第二篇 代码实践篇
第5章 知识抽取
5.1 实体抽取
5.1.1 实体抽取模型
5.1.2 实体抽取示例
5.2 关系抽取
5.2.1 关系抽取模型
5.2.2 关系抽取示例
5.3 事件抽取
5.3.1 事件抽取模型
5.3.2 事件抽取示例
5.4 参考文献
第6章 知识存储
6.1 知识存储工具
6.1.1 Neo4j
6.1.2 Virtuoso
6.1.3 SPARQL
6.2 知识存储案例
6.2.1 Neo4j存储
6.2.2 Virtuoso存储
第7章 知识图谱构建
7.1 图谱数据
7.1.1 数据采集
7.1.2 图谱构建
7.1.3 服务器端数据接口
7.2 知识图谱可视化
7.2.1 前端项目
7.2.2 图谱可视化
第8章 知识图谱与大语言模型
8.1 大语言模型
8.1.1 大语言模型概述
8.1.2 ChatGPT
8.1.3 GLM系列轻量级大语言模型
8.2 大语言模型与知识图谱的融合
8.2.1 统一大语言模型与知识图谱
8.2.2 大语言模型与知识图谱前景
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
