目錄
第1章 知識圖譜概念與發(fā)展 1
1.1 源起 1
1.2 概念類型 3
1.2.1 概念內(nèi)涵與外延 3
1.2.2 早期知識庫 4
1.2.3 開放知識圖譜 4
1.2.4 中文知識圖譜 5
1.2.5 領(lǐng)域知識圖譜 6
1.3 研究方向及熱點(diǎn) 7
1.3.1 知識表示學(xué)習(xí) 7
1.3.2 知識獲取與融合 8
1.3.3 知識推理 9
1.3.4 知識應(yīng)用 10
1.4 其他類型知識圖譜 14
1.4.1 與或圖 14
1.4.2 常識知識圖譜 15
1.4.3 時序知識圖譜 16
1.4.4 事理圖譜 16
1.4.5 五元知識庫 17
1.5 本章小結(jié) 18
參考文獻(xiàn) 18
第2章 知識超圖模型與構(gòu)建 19
2.1 知識超圖模型 19
2.1.1 知識超圖基本概念 19
2.1.2 知識超圖架構(gòu) 21
2.1.3 知識超圖模式設(shè)計(jì) 23
2.1.4 知識超圖推理復(fù)雜度分析 25
2.2 知識抽取與挖掘 26
2.2.1 實(shí)體識別 27
2.2.2 關(guān)系抽取 29
2.2.3 屬性抽取 31
2.2.4 事件抽取 34
2.3 知識超圖構(gòu)建 36
2.3.1 事理層構(gòu)建 37
2.3.2 概念層構(gòu)建及映射關(guān)系構(gòu)建 40
2.3.3 實(shí)例層構(gòu)建 43
2.4 本章小結(jié) 46
參考文獻(xiàn) 46
第3章 知識超圖管理與評估 47
3.1 知識超圖融合 47
3.1.1 知識超圖融合任務(wù)的定義 47
3.1.2 真值發(fā)現(xiàn) 49
3.1.3 實(shí)體鏈接 51
3.1.4 本體匹配 54
3.1.5 實(shí)體融合 55
3.2 存儲與更新 57
3.2.1 關(guān)系數(shù)據(jù)庫存儲 58
3.2.2 圖數(shù)據(jù)庫存儲 59
3.2.3 知識超圖更新 60
3.3 知識超圖質(zhì)量評估 63
3.3.1 評估維度 64
3.3.2 評估方法 66
3.4 本章小結(jié) 67
參考文獻(xiàn) 67
第4章 知識圖譜與知識超圖的典型應(yīng)用 68
4.1 語義搜索 68
4.2 自然語言問答 69
4.3 智能推薦 72
4.4 知識推理技術(shù) 75
4.4.1 基于邏輯規(guī)則的推理 76
4.4.2 基于嵌入表示的推理 78
4.4.3 基于神經(jīng)網(wǎng)絡(luò)的推理 81
4.4.4 深度強(qiáng)化學(xué)習(xí)方法 87
4.4.5 基于對比學(xué)習(xí)的知識圖譜推理方法 89
4.5 本章小結(jié) 90
參考文獻(xiàn) 90
第5章 基于知識超圖的推理決策 92
5.1 基于模型自動構(gòu)建的推理 92
5.1.1 任務(wù)描述 92
5.1.2 模型自動構(gòu)建經(jīng)典方法 95
5.1.3 推理框架 96
5.1.4 推理實(shí)例 101
5.2 基于知識超圖的混合推理 101
5.2.1 混合推理的任務(wù)描述 101
5.2.2 知識混合推理典型方法 102
5.2.3 知識圖譜混合推理框架 103
5.2.4 知識問答案例 108
5.3 本章小結(jié) 112
第6章 知識超圖平臺設(shè)計(jì) 113
6.1 典型圖數(shù)據(jù)庫 113
6.1.1 Neo4j 113
6.1.2 ArangoDB 114
6.1.3 Dgraph 114
6.1.4 主流圖數(shù)據(jù)庫對比 115
6.2 總體設(shè)計(jì) 116
6.2.1 框架設(shè)計(jì) 116
6.2.2 集群設(shè)計(jì) 118
6.3 數(shù)據(jù)設(shè)計(jì) 119
6.3.1 數(shù)據(jù)模型 119
6.3.2 數(shù)據(jù)邏輯結(jié)構(gòu) 121
6.3.3 數(shù)據(jù)存儲結(jié)構(gòu) 123
6.4 功能設(shè)計(jì) 127
6.4.1 外部視圖 127
6.4.2 內(nèi)部視圖 127
6.4.3 主要功能流程圖 128
6.5 本章小結(jié) 133
參考文獻(xiàn) 133
第7章 知識超圖平臺實(shí)現(xiàn) 134
7.1 功能列表 134
7.2 知識超圖模型構(gòu)建 135
7.2.1 類型管理 135
7.2.2 對象創(chuàng)建 137
7.2.3 超圖展示 140
7.2.4 路徑查詢 140
7.2.5 拓展查詢 142
7.3 知識抽取及超圖融合 143
7.3.1 實(shí)體關(guān)系識別 143
7.3.2 實(shí)體關(guān)系核驗(yàn) 143
7.3.3 超圖融合 146
7.4 知識推理 147
7.4.1 相似事件推薦 147
7.4.2 歸納推理 148
7.4.3 演繹推理 149
7.5 本章小結(jié) 149
第8章 知識超圖平臺應(yīng)用案例 150
8.1 應(yīng)用案例概述 150
8.2 影響要素分析 151
8.2.1 要素體系梳理 151
8.2.2 關(guān)鍵要素選取 152
8.3 數(shù)據(jù)獲取與處理 153
8.3.1 數(shù)據(jù)源選取 153
8.3.2 數(shù)據(jù)采集 154
8.3.3 數(shù)據(jù)預(yù)處理 155
8.4 知識超圖構(gòu)建實(shí)例 157
8.4.1 知識體系梳理 157
8.4.2 關(guān)聯(lián)關(guān)系完善 158
8.4.3 知識體系更新 159
8.5 基于知識超圖的事件預(yù)測 160
8.5.1 預(yù)測場景：某地衛(wèi)星發(fā)射預(yù)測 160
8.5.2 可預(yù)測性驗(yàn)證 160
8.5.3 預(yù)測模型自動優(yōu)化 163
8.6 基于知識超圖的推理決策 165
8.6.1 數(shù)據(jù)獲取 165
8.6.2 知識抽取 166
8.6.3 知識體系構(gòu)建 168
8.6.4 事件預(yù)測 169
8.7 本章小結(jié) 170
參考文獻(xiàn) 170