从数据混沌到智能洞察，用知识图谱读懂AI世界 * 全景式展现知识图谱知识体系 * MIT机器学习丛书系列新作 * 近130道精选习题 系统讲解知识图谱的完整体系，从基础到应用层层深
售 价：¥
纸质售价：¥122.40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
扉页
内容提要
版权声明
前言
第一部分 知识图谱基础知识
第1章 知识图谱导论
1.1 图
1.2 将知识表示为图
1.3 知识图谱应用案例
1.3.1 案例1：学术出版物和学者
1.3.2 案例2：电子商务、产品和公司
1.3.3 案例3：社会网络
1.3.4 案例4：地缘政治事件
1.4 如何阅读本书
1.5 本章小结
1.6 软件和资源
1.7 文献注释
1.8 习题
第2章 知识图谱建模与表示
2.1 概览
2.1.1 RDF
2.1.2 RDF序列化
2.2 RDF模式
2.2.1 RDF模式的类别
2.2.2 RDF模式的属性
2.3 以属性为中心的模型
2.4 Wikidata模型
2.4.1 Wikidata数据项
2.4.2 Wikidata属性
2.5 语义网多层蛋糕
2.6 模式异质性和语义标记
2.7 本章小结
2.8 软件和资源
2.9 文献注释
2.10 习题
第二部分 知识图谱构建
第3章 领域发现
3.1 概览
3.2 聚焦抓取
3.2.1 设计要素
3.2.2 最佳优先爬虫
3.2.3 语义爬虫
3.2.4 学习爬虫
3.2.5 聚焦抓取的性能评估
3.3 有影响力的系统和方法
3.3.1 语境爬虫
3.3.2 领域发现工具
3.4 本章小结
3.5 软件和资源
3.6 文献注释
3.7 习题
第4章 命名实体识别
4.1 概览
4.2 为什么很难提取信息
4.3 命名实体识别方法
4.3.1 监督学习方法
4.3.2 半监督学习方法和无监督学习方法
4.4 用于命名实体识别的深度学习
4.5 具体领域的命名实体识别
4.6 评估信息提取质量
4.7 本章小结
4.8 软件和资源
4.9 文献注释
4.10 习题
第5章 互联网信息提取
5.1 概览
5.2 生成包装器
5.2.1 手动构建的包装器和监督包装器
5.2.2 半监督包装器
5.2.3 无监督包装器
5.2.4 实证比较分析
5.3 不止包装器：针对结构化数据的信息提取
5.4 本章小结
5.5 软件和资源
5.6 文献注释
5.7 习题
第6章 关系提取
6.1 概览
6.2 本体和相关项目
6.2.1 ACE
6.2.2 其他本体：简要入门
6.3 关系提取技术
6.3.1 监督关系提取
6.3.2 评估监督关系提取
6.3.3 半监督关系提取
6.3.4 无监督关系提取
6.4 最近的研究：针对关系提取的深度学习
6.5 关系提取拓展：事件提取和联合信息提取
6.6 本章小结
6.7 软件和资源
6.8 文献注释
6.9 习题
第7章 非传统信息提取
7.1 概览
7.2 开放信息提取
7.2.1 KnowItAll
7.2.2 TextRunner
7.2.3 评估和比较不同的开放信息提取系统
7.3 社交媒体信息提取
7.3.1 TWICAL
7.3.2 TwitIE
7.4 其他非传统信息提取类型
7.5 本章小结
7.6 软件和资源
7.7 文献注释
7.8 习题
第三部分 知识图谱补全
第8章 实例匹配
8.1 概览
8.2 形式
8.3 为什么实例匹配具有挑战性
8.4 两步流程
8.4.1 分块步骤
8.4.2 相似性步骤
8.5 评估两步流程
8.5.1 评估分块步骤
8.5.2 评估相似性步骤
8.6 后相似性步骤
8.6.1 聚类和传递闭包
8.6.2 实体命名系统
8.7 用Swoosh形式化实例匹配
8.8 关于研究前沿的说明
8.9 不限于实例匹配的数据清理
8.10 本章小结
8.11 软件和资源
8.12 文献注释
8.13 习题
第9章 统计关系学习
9.1 概览
9.2 依存关系建模
9.3 统计关系学习框架
9.3.1 马尔可夫逻辑网络
9.3.2 概率软逻辑
9.4 知识图谱识别
9.4.1 表示不确定的提取内容
9.4.2 表示实例匹配输出
9.4.3 执行本体约束
9.4.4 整合：非确定知识图谱的概率分布
9.4.5 关于实验性能的说明
9.5 其他应用
9.5.1 集合分类
9.5.2 链接预测
9.5.3 社会网络建模
9.6 高级研究领域：数据编程
9.7 本章小结
9.8 软件和资源
9.9 文献注释
9.10 习题
第10章 知识图谱表示学习
10.1 概览
10.2 嵌入式架构：入门
10.2.1 CBOW模型
10.2.2 skip-gram模型
10.3 超越词嵌入
10.4 知识图谱嵌入
10.5 有影响力的知识图谱嵌入系统
10.5.1 结构化嵌入
10.5.2 神经张量网络
10.5.3 平移嵌入模型
10.5.4 TransE
10.5.5 其他Trans*算法
10.6 超事实语境
10.6.1 实体类型
10.6.2 文本描述
10.6.3 超越文本和概念：其他信息集
10.7 应用
10.7.1 链接预测
10.7.2 三元组分类
10.7.3 实体分类
10.7.4 重温实例匹配
10.7.5 其他应用
10.8 本章小结
10.9 软件和资源
10.10 文献注释
10.11 习题
第四部分 访问知识图谱
第11章 推理与检索
11.1 概览
11.2 推理
11.2.1 描述逻辑：简要入门
11.2.2 网络本体语言
11.2.3 范例推理框架：Protégé
11.3 检索
11.4 对比检索与推理
11.4.1 评估
11.4.2 范例检索框架：Lucene
11.5 本章小结
11.6 软件和资源
11.7 文献注释
11.8 习题
第12章 结构化查询
12.1 概览
12.2 SPARQL
12.3 知识图谱查询的关系处理
12.3.1 三元组（垂直）表存储
12.3.2 属性表存储
12.3.3 水平表存储
12.4 NoSQL
12.4.1 键-值存储
12.4.2 图数据库
12.4.3 具有极高可扩展性的NoSQL数据库
12.5 本章小结
12.6 软件和资源
12.7 文献注释
12.8 习题
第13章 问答
13.1 概览
13.2 作为独立应用的问答
13.2.1 从会话式对话中学习：KnowBot
13.2.2 BERT
13.2.3 知识图谱的必要性
13.3 作为知识图谱查询的问答
13.3.1 挑战与解决方法
13.3.2 基于模板的解决方案
13.3.3 语义问答评估
13.4 本章小结
13.5 软件和资源
13.5.1 BERT和基于语言模型的问答系统
13.5.2 HOBBIT
13.6 文献注释
13.7 习题
第五部分 知识图谱生态系统
第14章 关联数据
14.1 概览
14.1.1 原则1
14.1.2 原则2
14.1.3 原则3
14.1.4 原则4
14.2 关联数据原则的影响和采用
14.3 关联开放数据生态系统中的重要知识图谱
14.3.1 DBpedia
14.3.2 GeoNames
14.3.3 YAGO
14.3.4 Wikidata
14.3.5 UMBEL
14.3.6 FOAF
14.3.7 其他例子
14.4 本章小结
14.5 软件和资源
14.6 文献注释
14.7 习题
第15章 企业和政府机构
15.1 概览
15.2 企业
15.2.1 知识宝库
15.2.2 社交媒体和开放图谱协议
15.2.3 Schema网站
15.3 政府机构和非营利组织
15.3.1 公开政务数据
15.3.2 BBC
15.4 未来展望
15.5 本章小结
15.6 软件和资源
15.7 文献注释
15.8 习题
第16章 自然科学领域中的知识图谱和本体
16.1 概览
16.2 生物学
16.3 化学
16.3.1 ChEBI
16.3.2 PubChem
16.4 地球科学、环境科学和地理科学
16.4.1 SWEET
16.4.2 GEON门户和OpenTopography
16.4.3 ENVO
16.5 本章小结
16.6 软件和资源
16.7 文献注释
16.8 习题
第17章 在特定领域具有社会影响力的知识图谱
17.1 概览
17.2 DIG
17.2.1 领域设置
17.2.2 领域探索
17.3 替代方案：DeepDive
17.4 应用和用例
17.4.1 调查领域
17.4.2 危机信息学
17.5 本章小结
17.6 软件和资源
17.7 文献注释
17.8 习题
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
