封面
前折页
书名页
版权
前言
基础篇
 第1章 理解知识图谱
  1.1 知识图谱概述
   1.1.1 知识定义及分类
   1.1.2 知识图谱定义
   1.1.3 知识图谱分类
   1.1.4 知识图谱发展阶段
  1.2 知识图谱架构
   1.2.1 构建方式
   1.2.2 逻辑架构
   1.2.3 技术架构
  1.3 知识图谱现状
   1.3.1 学术界研究现状
   1.3.2 工业界应用现状
  1.4 知识图谱应用场景
   1.4.1 智能搜索
   1.4.2 推荐系统
   1.4.3 知识问答
   1.4.4 推理决策
  1.5 本章小结
构建篇
 第2章 知识抽取
  2.1 知识抽取概述
   2.1.1 知识抽取的定义
   2.1.2 知识抽取的任务
  2.2 知识抽取的方法
   2.2.1 面向结构化数据
   2.2.2 面向半结构化数据
   2.2.3 面向非结构化数据
  2.3 知识抽取实例
   2.3.1 Deepdive的安装和配置
   2.3.2 实验步骤
   2.3.3 模型构建
  2.4 本章小结
 第3章 知识表示
  3.1 知识表示概述
   3.1.1 知识表示的定义
   3.1.2 知识表示的任务
  3.2 知识表示的方法
   3.2.1 基于符号的知识表示
   3.2.2 基于向量的知识表示
  3.3 知识表示实例
   3.3.1 环境配置
   3.3.2 生成映射文件
   3.3.3 将MySQL数据转为RDF三元组
  3.4 本章小结
 第4章 知识融合
  4.1 知识融合概述
   4.1.1 知识融合的定义
   4.1.2 知识融合的任务
  4.2 知识融合的方法
   4.2.1 本体对齐方法
   4.2.2 实体对齐方法
  4.3 知识融合实例
   4.3.1 环境配置
   4.3.2 预处理与匹配
   4.3.3 结果评估
  4.4 本章小结
 第5章 知识存储
  5.1 知识存储概述
   5.1.1 知识存储的定义
   5.1.2 知识存储的任务
  5.2 知识存储的方法
   5.2.1 基于关系型数据库的知识存储
   5.2.2 基于NoSQL的知识存储
   5.2.3 基于分布式的知识存储
  5.3 知识存储实例
   5.3.1 使用Apache Jena存储数据
   5.3.2 使用Neo4j数据库存储数据
  5.4 本章小结
 第6章 知识建模
  6.1 知识建模概述
   6.1.1 知识建模的定义
   6.1.2 知识建模的任务
  6.2 知识建模的方法
   6.2.1 手工建模方法
   6.2.2 半自动建模方法
   6.2.3 本体自动建模方法
  6.3 知识建模实例
   6.3.1 创建项目实例
   6.3.2 创建本体关系和属性
   6.3.3 知识图谱可视化
  6.4 本章小结
 第7章 知识推理
  7.1 知识推理概述
   7.1.1 知识推理的定义
   7.1.2 知识推理的任务
  7.2 知识推理的方法
   7.2.1 基于逻辑规则的推理
   7.2.2 基于知识表示学习的推理
   7.2.3 基于神经网络的推理
   7.2.4 混合推理
  7.3 知识推理实例
  7.4 本章小结
 第8章 知识评估与运维
  8.1 知识评估与运维概述
   8.1.1 知识评估概述
   8.1.2 知识运维概述
  8.2 知识评估与运维的任务
   8.2.1 知识评估任务
   8.2.2 知识运维任务
  8.3 知识评估与运维流程
   8.3.1 知识评估流程
   8.3.2 知识运维流程
  8.4 本章小结
实践篇
 第9章 知识问答评测
  9.1 知识问答系统概述
   9.1.1 知识问答系统定义
   9.1.2 知识问答问题分类
   9.1.3 知识问答评测技术方案
  9.2 自然语言知识问答评测
   9.2.1 任务背景
   9.2.2 数据分析
   9.2.3 技术方案
   9.2.4 任务结果
  9.3 生活服务知识问答评测
   9.3.1 任务背景
   9.3.2 数据分析
   9.3.3 技术方案
   9.3.4 任务结果
  9.4 开放知识问答评测
   9.4.1 任务背景
   9.4.2 数据分析
   9.4.3 技术方案
   9.4.4 任务结果
  9.5 本章小结
 第10章 知识图谱平台
  10.1 知识图谱平台建设背景
  10.2 知识图谱平台基本功能
  10.3 AiMind知识图谱平台
   10.3.1 数据管理
   10.3.2 知识建模
   10.3.3 知识抽取
   10.3.4 知识融合
   10.3.5 知识管理
   10.3.6 知识应用
  10.4 本章小结
 第11章 智能搜索实践
  11.1 智能搜索背景
  11.2 智能搜索业务设计
   11.2.1 场景设计
   11.2.2 知识图谱设计
   11.2.3 模块设计
  11.3 数据获取与预处理
   11.3.1 环境搭建
   11.3.2 数据获取
   11.3.3 知识抽取
   11.3.4 知识存储
  11.4 基于Jena的知识推理
   11.4.1 OWL推理
   11.4.2 Jena规则推理
  11.5 基于Elasticsearch的知识搜索
  11.6 本章小结
 第12章 图书推荐系统实践
  12.1 推荐系统背景
  12.2 图书推荐业务设计
   12.2.1 场景设计
   12.2.2 知识图谱设计
   12.2.3 模块设计
  12.3 数据预处理
   12.3.1 环境搭建
   12.3.2 知识抽取
   12.3.3 数据生成
   12.3.4 知识表示
   12.3.5 知识存储
  12.4 模型训练与评估
   12.4.1 模型训练
   12.4.2 模型评估
  12.5 推荐结果呈现
  12.6 本章小结
 第13章 开放领域知识问答实践
  13.1 知识问答背景
  13.2 知识问答业务设计
   13.2.1 场景设计
   13.2.2 知识图谱设计
   13.2.3 模块设计
  13.3 数据预处理
   13.3.1 环境搭建
   13.3.2 数据获取
   13.3.3 知识表示与存储
  13.4 问句识别及问答实现
   13.4.1 实体识别与链接
   13.4.2 向量建模
   13.4.3 选取自动问答的答案
  13.5 问答结果呈现
  13.6 本章小结
 第14章 交通领域知识问答实践
  14.1 交通领域背景
  14.2 问答业务设计
   14.2.1 场景设计
   14.2.2 知识图谱设计
   14.2.3 模块设计
  14.3 数据预处理
   14.3.1 环境搭建
   14.3.2 数据生成
   14.3.3 知识抽取
   14.3.4 知识表示
   14.3.5 知识存储
  14.4 知识问答系统实现
  14.5 问答结果呈现
  14.6 本章小结
 第15章 汽车领域知识问答实践
  15.1 汽车领域背景
  15.2 问答业务设计
   15.2.1 场景设计
   15.2.2 知识图谱设计
   15.2.3 模块设计
  15.3 数据预处理
   15.3.1 环境搭建
   15.3.2 数据导入
   15.3.3 数据生成
   15.3.4 知识抽取
   15.3.5 知识推理
  15.4 答案匹配与问答系统实现
   15.4.1 答案匹配
   15.4.2 问答系统实现
  15.5 问答结果呈现
  15.6 本章小结
 第16章 金融领域推理决策实践
  16.1 金融决策背景
  16.2 信贷反欺诈业务设计
   16.2.1 场景设计
   16.2.2 知识图谱设计
   16.2.3 模块设计
  16.3 数据预处理
   16.3.1 环境搭建
   16.3.2 数据生成
   16.3.3 知识抽取
   16.3.4 知识表示
   16.3.5 知识存储
  16.4 推理决策实现
   16.4.1 基于自定义规则的Jena推理机的推理
   16.4.2 基于SPARQL查询语句的推理
   16.4.3 基于Jena本体模型的推理
  16.5 本章小结
后折页
封底