知識圖譜導(dǎo)論

定　價：￥108.00

作　者：	陳華鈞著
出版社：	電子工業(yè)出版社
叢編項：	人工智能前沿技術(shù)叢書
標　簽：	暫缺

購買這本書可以去

京東 (￥108.00)

ISBN：	9787121406997	出版時間：	2021-05-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　知識圖譜的發(fā)展歷史源遠流長，從經(jīng)典人工智能的核心命題——知識工程，到互聯(lián)網(wǎng)時代的語義Web，再到當(dāng)下很多領(lǐng)域構(gòu)建的數(shù)千億級別的現(xiàn)代知識圖譜。知識圖譜兼具人工智能、大數(shù)據(jù)和互聯(lián)網(wǎng)的多重技術(shù)基因，是知識表示、表示學(xué)習(xí)、自然語言處理、圖數(shù)據(jù)庫和圖計算等多個領(lǐng)域技術(shù)的綜合集成。本書全面覆蓋了知識圖譜的表示、存儲、獲取、推理、融合、問答和分析等七大方面，一百多個基礎(chǔ)知識點的內(nèi)容，同時囊括多模態(tài)知識圖譜、知識圖譜與圖神經(jīng)網(wǎng)絡(luò)的融合、本體表示學(xué)習(xí)、事理知識圖譜，以及知識增強的語言預(yù)訓(xùn)練模型等新熱點、新發(fā)展。作為一本導(dǎo)論性質(zhì)的書，本書希望幫助初學(xué)者梳理知識圖譜的基本知識點和關(guān)鍵技術(shù)要素，也希望幫助技術(shù)決策者建立知識圖譜的整體視圖和系統(tǒng)工程觀，為前沿科研人員拓展創(chuàng)新視野和研究方向。本書在技術(shù)廣度和深度上兼具極強的參考性，適合高等院校的計算機專業(yè)師生閱讀，也可供計算機相關(guān)行業(yè)的管理者和研發(fā)人員參考。

作者簡介

　　陳華鈞，浙江大學(xué)計算機科學(xué)與技術(shù)學(xué)院教授。主要研究方向為知識圖譜、自然語言處理、大數(shù)據(jù)系統(tǒng)等。在WWW/IJCAI/AAAI/ACL/VLDB/ICDE，IEEE CIM， IEEE IS， TKDE， Briefings in Bioinformatics 等國際頂級會議和期刊上發(fā)表多篇論文。曾獲國際語義網(wǎng)會議ISWC最佳論文獎、教育部技術(shù)發(fā)明一等獎、國家科技進步二等獎、中國中文信息學(xué)會錢偉長科技獎一等獎、阿里巴巴優(yōu)秀學(xué)術(shù)合作獎、中國工信出版?zhèn)髅郊瘓F優(yōu)秀出版物一等獎等獎勵。牽頭發(fā)起OpenKG，浙江大學(xué)阿里巴巴知識引擎聯(lián)合實驗室主任、浙江省大數(shù)據(jù)智能計算重點實驗室副主任、中國人工智能學(xué)會知識工程專委會副主任、中國中文信息學(xué)會語言與知識計算專委會副主任、全國知識圖譜大會CCKS2020 大會主席、國際語義技術(shù)聯(lián)合會議JIST2019大會主席、Elsevier Journal of Big Data Research Editor in Chief。

圖書目錄

目錄
第1章知識圖譜概述 1
1.1 語言與知識 2
1.2 知識圖譜的起源 7
1.3 知識圖譜的價值 12
1.4 知識圖譜的技術(shù)內(nèi)涵 16
1.5 建立知識圖譜的系統(tǒng)工程觀 20

第2章知識圖譜的表示 21
2.1 什么是知識表示 22
2.2 人工智能歷史發(fā)展長河中的知識表示 24
2.3 知識圖譜的符號表示方法 28
2.4 知識圖譜的向量表示方法 32
2.5 總結(jié) 38

第3章知識圖譜的存儲與查詢 39
3.1 基于關(guān)系型數(shù)據(jù)庫的知識圖譜存儲 40
3.2 基于原生圖數(shù)據(jù)庫的知識圖譜存儲 44
3.3 原生圖數(shù)據(jù)庫實現(xiàn)原理淺析 52
3.4 總結(jié) 55

第4章知識圖譜的獲取與構(gòu)建 57
4.1 重新理解知識工程與知識獲取 58
4.2 實體識別 62
4.3 關(guān)系抽取 71
4.4 屬性補全 81
4.5 概念抽取 83
4.6 事件識別與抽取 87
4.7 知識抽取技術(shù)前沿 91
4.8 總結(jié) 95

第5章知識圖譜推理 96
5.1 推理簡述 97
5.2 知識圖譜推理簡介 101
5.3 基于符號邏輯的知識圖譜推理 108
5.4 基于表示學(xué)習(xí)的知識圖譜推理 117
5.5 總結(jié) 144

第6章知識圖譜融合 146
6.1 知識圖譜融合概述 147
6.2 概念層融合——本體匹配 150
6.3 實例層的融合——實體對齊 155
6.4 知識融合技術(shù)前沿 159
6.5 總結(jié) 162

第7章知識圖譜問答 163
7.1 智能問答概述 164
7.2 基于問句模板的知識圖譜問答 172
7.3 基于語義解析的知識圖譜問答 178
7.4 基于檢索排序的知識圖譜問答 185
7.5 基于深度學(xué)習(xí)的知識圖譜問答 188
7.6 總結(jié) 195

第8章圖算法與圖數(shù)據(jù)分析 196
8.1 圖的基本知識 197
8.2 基礎(chǔ)圖算法 204
8.3 圖表示學(xué)習(xí)與圖神經(jīng)網(wǎng)絡(luò) 211
8.4 知識圖譜與圖神經(jīng)網(wǎng)絡(luò) 224
8.5 總結(jié) 232

第9章知識圖譜技術(shù)發(fā)展 233
9.1 多模態(tài)知識圖譜 234
9.2 知識圖譜與語言預(yù)訓(xùn)練 248
9.3 事理知識圖譜 255
9.4 知識圖譜與低資源學(xué)習(xí) 261
9.5 結(jié)構(gòu)化知識預(yù)訓(xùn)練 276
9.6 知識圖譜與區(qū)塊鏈 293