知識圖譜從0到1：原理與 Python 實戰

劉 威
在知識圖譜、大數據開發、後端開發等領域有著豐富的經驗，先後從事爬蟲、大數據、知識圖譜開發相關的工作。現就職於北京某科研實驗室，曾在人民日報媒體技術股份有限公司從事爬蟲、大數據、知識圖譜開發等工作。

目  錄

 

第一篇　基  礎  篇

 

第1章  知識圖譜概述 2

1.1  知識圖譜的概念 2

1.2  知識圖譜的發展 6

1.2.1  知識圖譜與人工智能 6

1.2.2  專家系統 8

1.2.3  語義網 9

1.2.4  知識圖譜的發展 11

1.3  知識圖譜的應用與現狀 12

1.3.1  知識圖譜分類 12

1.3.2  通用知識圖譜 14

1.3.3  領域知識圖譜 17

1.4  參考文獻 18

第2章  知識圖譜構建技術 19

2.1  知識表示與知識建模 19

2.1.1  知識表示 19

2.1.2  知識建模 22

2.2  知識抽取 23

2.2.1  實體抽取 24

2.2.2  關系抽取 27

2.2.3  事件抽取 29

2.3  知識存儲 29

2.3.1  基於表結構的關系型數據庫 30

2.3.2  RDF存儲系統 30

2.3.3  原生圖數據庫 34

2.4  知識融合 37

2.4.1  知識融合的概念 37

2.4.2  知識融合的異構 38

2.4.3  本體匹配 38

2.4.4  實體對齊 39

2.5  知識推理 40

2.6  參考文獻 41

第3章  知識圖譜的應用 42

3.1  知識庫問答 42

3.1.1  知識庫問答的構建方法 42

3.1.2  基於知識圖譜的問答系統應用 49

3.2  基於圖譜的推薦系統 49

3.2.1  推薦系統 49

3.2.2  基於知識圖譜的推薦系統 52

3.2.3  推薦系統的應用 58

3.3  參考文獻 59

第4章  數據採集與數據處理 60

4.1  數據採集 60

4.1.1  網絡爬蟲概述 60

4.1.2  網頁爬蟲採集 61

4.1.3  App爬蟲採集 66

4.1.4  反爬蟲 70

4.1.5  Scrapy框架 75

4.2  數據處理 80

4.2.1  結構化數據 81

4.2.2  半結構化數據 81

4.2.3  非結構化數據 82

 

第二篇　代碼實踐篇

 

第5章  知識抽取 84

5.1  實體抽取 84

5.1.1  實體抽取模型 84

5.1.2  實體抽取示例 101

5.2  關系抽取 111

5.2.1  關系抽取模型 111

5.2.2  關系抽取示例 115

5.3  事件抽取 124

5.3.1  事件抽取模型 124

5.3.2  事件抽取示例 127

5.4  參考文獻 136

第6章  知識存儲 138

6.1  知識存儲工具 138

6.1.1  Neo4j 138

6.1.2  Virtuoso 148

6.1.3  SPARQL 152

6.2  知識存儲案例 165

6.2.1  Neo4j存儲 166

 

6.2.2  Virtuoso存儲 169

第7章  知識圖譜構建 173

7.1  圖譜數據 173

7.1.1  數據採集 174

7.1.2  圖譜構建 189

7.1.3  服務器端數據接口 194

7.2  知識圖譜可視化 203

7.2.1  前端項目 203

7.2.2  圖譜可視化 215

第8章  知識圖譜與大語言模型 217

8.1  大語言模型 217

8.1.1  大語言模型概述 218

8.1.2  ChatGPT 219

8.1.3  GLM系列輕量級大語言模型 224

8.2  大語言模型與知識圖譜的融合 234

8.2.1  統一大語言模型與知識圖譜 234

8.2.2  大語言模型與知識圖譜前景 251