知識圖譜實戰

這是一本綜合介紹知識圖譜構建與行業實踐的著作，
是作者多年從事知識圖譜與認知智能應用落地經驗的總結，得到了多位知識圖譜資深專家的推薦。
本書以通俗易懂的方式來講解知識圖譜相關的知識，
尤其對從零開始構建知識圖譜過程中需要經歷的步驟，以及每個步驟需要考慮的問題都給予較為詳細的解釋。
本書基於實際業務進行抽象，結合知識圖譜的7個構建步驟，
深入分析知識圖譜技術應用以及8個行業綜合案例的設計與實現。
全書分為基礎篇、構建篇、實踐篇，共16章內容。
基礎篇（第1章），介紹知識圖譜的定義、分類、發展階段，
以及構建方式、邏輯/技術架構、現狀與應用場景等。
構建篇（第2～8章），詳細介紹知識抽取、知識表示、知識融合、
知識存儲、知識建模、知識推理、知識評估與運維等知識圖譜構建的核心步驟，並結合實例講解應用方法。
實踐篇（第9～16章），詳細講解知識圖譜的綜合應用，涵蓋知識問答評測、知識圖譜平台、
智能搜索、圖書推薦系統、開放領域知識問答、交通領域知識問答、汽車領域知識問答、金融領域推理決策。

于俊
中國科學技術大學電子信息專業博士研究生，
科大訊飛大數據及人工智能技術專家，安徽大學計算機技術專業碩士生導師，CCF高級會員。
有超過15年的大數據及人工智能算法工程化經驗，專注大數據分析及數據價值挖掘、大數據及人工智能技術應用落地。
著有《Spark核心技術與高級應用》《Spark機器學習進階實戰》等書。

李雅潔
華中科技大學應用統計碩士，在知識圖譜、自然語言處理、大數據分析與挖掘、機器學習等領域有豐富的研究和開發經驗。
精通Python、R語言以及Spark等大數據框架，擅長自然語言處理及知識圖譜構建。

彭加琪
中國科學技術大學計算機科學碩士，科大訊飛核心研發平台主管，
負責AI數據平台和知識中台建設，精通Java、Python等編程語言，
擅長分佈式系統建設以及企業級知識圖譜構建與應用。

程知遠
悉尼大學數據科學碩士，科大訊飛大數據工程師，負責智慧教學產品及學生行為分析的算法研究及引擎實現。
精通Java、Python等編程語言，擅長分佈式系統建設以及企業級知識圖譜構建與應用。

目錄
前言
基礎篇
第1章理解知識圖譜/ 2
1.1 知識圖譜概述/ 2
1.1.1 知識定義及分類/ 3
1.1.2 知識圖譜定義/ 4
1.1.3 知識圖譜分類/ 5
1.1.4 知識圖譜發展階段/ 8
1.2 知識圖譜架構/ 8
1.2.1 構建方式/ 8
1.2.2 邏輯架構/ 9
1.2.3 技術架構/ 9
1.3 知識圖譜現狀/ 13
1.3.1 學術界研究現狀/ 13
1.3.2 工業界應用現狀/ 13
1.4 知識圖譜應用場景/ 14
1.4.1 智能搜索/ 14
1.4.2 推薦系統/ 15
1.4.3 知識問答/ 15
1.4.4 推理決策/ 16
1.5 本章小結/ 16
構建篇
第2章知識抽取/ 18
2.1 知識抽取概述/ 18
2.1.1 知識抽取的定義/ 19
2.1.2 知識抽取的任務/ 20
2.2 知識抽取的方法/ 26
2.2.1 面向結構化數據/ 26
2.2.2 面向半結構化數據/ 28
2.2.3 面向非結構化數據/ 30
2.3 知識抽取實例/ 37
2.3.1 Deepdive的安裝
和配置/ 38
2.3.2 實驗步驟/ 39
2.3.3 模型構建/ 47
2.4 本章小結/ 49
第3章知識表示/ 50
3.1 知識表示概述/ 50
3.1.1 知識表示的定義/ 50
3.1.2 知識表示的任務/ 51
3.2 知識表示的方法/ 51
3.2.1 基於符號的知識表示/ 51
3.2.2 基於向量的知識表示/ 60
3.3 知識表示實例/ 64
3.3.1 環境配置/ 64
3.3.2 生成映射文件/ 65
3.3.3 將MySQL數據轉為RDF
三元組/ 67
3.4 本章小結/ 68
第4章知識融合/ 69
4.1 知識融合概述/ 69
4.1.1 知識融合的定義/ 70
4.1.2 知識融合的任務/ 70
4.2 知識融合的方法/ 73
4.2.1 本體對齊方法/ 73
4.2.2 實體對齊方法/ 77
4.3 知識融合實例/ 80
4.3.1 環境配置/ 81
4.3.2 預處理與匹配/ 81
4.3.3 結果評估/ 84
4.4 本章小結/ 85
第5章知識存儲/ 86
5.1 知識存儲概述/ 86
5.1.1 知識存儲的定義/ 86
5.1.2 知識存儲的任務/ 87
5.2 知識存儲的方法/ 89
5.2.1 基於關係型數據庫的
知識存儲/ 89
5.2.2 基於NoSQL的
知識存儲/ 92
5.2.3 基於分佈式的
知識存儲/ 96
5.3 知識存儲實例/ 98
5.3.1 使用Apache Jena
存儲數據/ 98
5.3.2 使用Neo4j數據庫
存儲數據/ 98
5.4 本章小結/ 103
第6章知識建模/ 104
6.1 知識建模概述/ 104
6.1.1 知識建模的定義/ 104
6.1.2 知識建模的任務/ 107
6.2 知識建模的方法/ 109
6.2.1 手工建模方法/ 109
6.2.2 半自動建模方法/ 113
6.2.3 本體自動建模方法/ 114
6.3 知識建模實例/ 116
6.3.1 創建項目實例/ 117
6.3.2 創建本體關係和屬性/ 118
6.3.3 知識圖譜可視化/ 120
6.4 本章小結/ 121
第7章知識推理/ 122
7.1 知識推理概述/ 122
7.1.1 知識推理的定義/ 122
7.1.2 知識推理的任務/ 123
7.2 知識推理的方法/ 124
7.2.1 基於邏輯規則的推理/ 124
7.2.2 基於知識表示學習的推理/ 131
7.2.3 基於神經網絡的推理/ 134
7.2.4 混合推理/ 136
7.3 知識推理實例/ 137
7.4 本章小結/ 139
第8章知識評估與運維/ 140
8.1 知識評估與運維概述/ 140
8.1.1 知識評估概述/ 141
8.1.2 知識運維概述/ 142
8.2 知識評估與運維的任務/ 143
8.2.1 知識評估任務/ 143
8.2.2 知識運維任務/ 147
8.3 知識評估與運維流程/ 149
8.3.1 知識評估流程/ 149
8.3.2 知識運維流程/ 150
8.4 本章小結/ 151
實踐篇
第9章知識問答評測/ 154
9.1 知識問答系統概述/ 154
9.1.1 知識問答系統定義/ 155
9.1.2 知識問答問題分類/ 155
9.1.3 知識問答評測技術方案/ 157
9.2 自然語言知識問答評測/ 159
9.2.1 任務背景/ 159
9.2.2 數據分析/ 159
9.2.3 技術方案/ 160
9.2.4 任務結果/ 163
9.3 生活服務知識問答評測/ 164
9.3.1 任務背景/ 164
9.3.2 數據分析/ 164
9.3.3 技術方案/ 165
9.3.4 任務結果/ 168
9.4 開放知識問答評測/ 168
9.4.1 任務背景/ 168
9.4.2 數據分析/ 168
9.4.3 技術方案/ 169
9.4.4 任務結果/ 172
9.5 本章小結/ 172
第10章知識圖譜平台/ 173
10.1 知識圖譜平台建設背景/ 173
10.2 知識圖譜平台基本功能/ 175
10.3 AiMind知識圖譜平台/ 175
10.3.1 數據管理/ 176
10.3.2 知識建模/ 180
10.3.3 知識抽取/ 185
10.3.4 知識融合/ 189
10.3.5 知識管理/ 191
10.3.6 知識應用/ 194
10.4 本章小結/ 196
第11章智能搜索實踐/ 197
11.1 智能搜索背景/ 197
11.2 智能搜索業務設計/ 198
11.2.1 場景設計/ 198
11.2.2 知識圖譜設計/ 199
11.2.3 模塊設計/ 200
11.3 數據獲取與預處理/ 20