最新公告
  • 欢迎您光临IO源码网,本站秉承服务宗旨 履行“站长”责任,销售只是起点 服务永无止境!立即加入我们
  • 知识图谱 方法、实践与应用 PDF 下载

    知识图谱 方法、实践与应用 PDF 下载

    本站整理下载:
    版权归出版社和原作者所有,链接已删除,请购买正版
     
     
    用户下载说明:
    电子版仅供预览,下载后24小时内务必删除,支持正版,喜欢的请购买正版书籍:
    http://product.dangdang.com/27920286.html
      
    相关截图:

    资料简介:
    知识图谱是较为典型的多学科交叉领域,涉及知识工程、自然语言处理、机器学习、图数据库等多个领域。本书系统地介绍知识图谱涉及的关键技术,如知识建模、关系抽取、图存储、自动推理、图谱表示学习、语义搜索、知识问答、图挖掘分析等。此外,本书还尝试将学术前沿和实战结合,让读者在掌握实际应用能力的同时对前沿技术发展有所了解。本书既适合计算机和人工智能相关的研究人员阅读,又适合在企业一线从事技术和应用开发的人员学习,还可作为高等院校计算机或人工智能专业师生的参考教材

    资料目录:
    第1章 知识图谱概述 1 
    1.1 什么是知识图谱 1 
    1.2 知识图谱的发展历史 2 
    1.3 知识图谱的价值 5 
    1.4 国内外典型的知识图谱项目 9 
    1.4.1 早期的知识库项目 9 
    1.4.2 互联网时代的知识图谱 9 
    1.4.3 中文开放知识图谱 12 
    1.4.4 垂直领域知识图谱 13 
    1.5 知识图谱的技术流程 15 
    1.6 知识图谱的相关技术 19 
    1.6.1 知识图谱与数据库系统 19 
    1.6.2 知识图谱与智能问答 23 
    1.6.3 知识图谱与机器推理 25 
    1.6.4 知识图谱与推荐系统 28 
    1.6.5 区块链与去中心化的知识图谱 29 
    1.7 本章小结 30 
    参考文献 31 

    第2章 知识图谱表示与建模 40 
    2.1 什么是知识表示 40 
    2.2 人工智能早期的知识表示方法 43 
    2.2.1 一阶谓词逻辑 43 
    2.2.2 霍恩子句和霍恩逻辑 43 
    2.2.3 语义网络 44 
    2.2.4 框架 45 
    2.2.5 描述逻辑 47 
    2.3 互联网时代的语义网知识表示框架 48 
    2.3.1 RDF和RDFS 48 
    2.3.2 OWL和OWL2 Fragments 53 
    2.3.3 知识图谱查询语言的表示 59 
    2.3.4 语义Markup表示语言 62 
    2.4 常见开放域知识图谱的知识表示方法 64 
    2.4.1 Freebase 64 
    2.4.2 Wikidata 65 
    2.4.3 ConceptNet5 66 
    2.5 知识图谱的向量表示方法 68 
    2.5.1 知识图谱表示的挑战 68 
    2.5.2 词的向量表示方法 68 
    2.5.3 知识图谱嵌入的概念 71 
    2.5.4 知识图谱嵌入的优点 72 
    2.5.5 知识图谱嵌入的主要方法 72 
    2.5.6 知识图谱嵌入的应用 75 
    2.6 开源工具实践:基于Protégé的本体知识建模 77 
    2.6.1 简介 77 
    2.6.2 环境准备 78 
    2.6.3 Protégé实践主要功能演示 78 
    2.7 本章小结 80 
    参考文献 80 

    第3章 知识存储 82 
    3.1 知识图谱数据库基本知识 82 
    3.1.1 知识图谱数据模型 82 
    3.1.2 知识图谱查询语言 85 
    3.2 常见知识图谱存储方法 91 
    3.2.1 基于关系数据库的存储方案 91 
    3.2.2 面向RDF的三元组数据库 101 
    3.2.3 原生图数据库 115 
    3.2.4 知识图谱数据库比较 120 
    3.3 知识存储关键技术 121 
    3.3.1 知识图谱数据库的存储:以Neo4j为例 121 
    3.3.2 知识图谱数据库的索引 124 
    3.4 开源工具实践 126 
    3.4.1 三元组数据库Apache Jena 126 
    3.4.2 Tutorial:面向RDF的三元组数据库gStore 128 
    参考文献 131 

    第4章 知识抽取与知识挖掘 133 
    4.1 知识抽取任务及相关竞赛 133 
    4.1.1 知识抽取任务定义 133 
    4.1.2 知识抽取相关竞赛 134 
    4.2 面向非结构化数据的知识抽取 136 
    4.2.1 实体抽取 137 
    4.2.2 关系抽取 142 
    4.2.3 事件抽取 150 
    4.3 面向结构化数据的知识抽取 154 
    4.3.1 直接映射 154 
    4.3.2 R2RML 156 
    4.3.3 相关工具 159 
    4.4 面向半结构化数据的知识抽取 161 
    4.4.1 面向百科类数据的知识抽取 161 
    4.4.2 面向Web网页的知识抽取 165 
    4.5 知识挖掘 168 
    4.5.1 知识内容挖掘:实体链接 168 
    4.5.2 知识结构挖掘:规则挖掘 174 
    4.6 开源工具实践:基于DeepDive的关系抽取实践 178 
    4.6.1 开源工具的技术架构 178 
    4.6.2 其他类似工具 180 
    参考文献 180 

    第5章 知识图谱的融合 184 
    5.1 什么是知识图谱融合 184 
    5.2 知识图谱中的异构问题 185 
    5.2.1 语言层不匹配 186 
    5.2.2 模型层不匹配 187 
    5.3 本体概念层的融合方法与技术 190 
    5.3.1 本体映射与本体集成 190 
    5.3.2 本体映射分类 192 
    5.3.3 本体映射方法和工具 195 
    5.3.4 本体映射管理 232 
    5.3.5 本体映射应用 235 
    5.4 实例层的融合与匹配 236 
    5.4.1 知识图谱中的实例匹配问题分析 236 
    5.4.2 基于快速相似度计算的实例匹配方法 240 
    5.4.3 基于规则的实例匹配方法 241 
    5.4.4 基于分治的实例匹配方法 244 
    5.4.5 基于学习的实例匹配方法 260 
    5.4.6 实例匹配中的分布式并行处理 266 
    5.5 开源工具实践:实体关系发现框架LIMES 266 
    5.5.1 简介 266 
    5.5.2 开源工具的技术架构 267 
    5.5.3 其他类似工具 269 
    5.6 本章小结 269 
    参考文献 270 

    第6章 知识图谱推理 279 
    6.1 推理概述 279 
    6.1.1 什么是推理 279 
    6.1.2 面向知识图谱的推理 282 
    6.2 基于演绎的知识图谱推理 283 
    6.2.1 本体推理 283 
    6.2.2 基于逻辑编程的推理方法 288 
    6.2.3 基于查询重写的方法 295 
    6.2.4 基于产生式规则的方法 301 
    6.3 基于归纳的知识图谱推理 306 
    6.3.1 基于图结构的推理 306 
    6.3.2 基于规则学习的推理 313 
    6.3.3 基于表示学习的推理 318 
    6.4 知识图谱推理新进展 324 
    6.4.1 时序预测推理 324 
    6.4.2 基于强化学习的知识图谱推理 325 
    6.4.3 基于元学习的少样本知识图谱推理 326 
    6.4.4 图神经网络与知识图谱推理 326 
    6.5 开源工具实践:基于Jena和Drools的知识推理实践 327 
    6.5.1 开源工具简介 327 
    6.5.2 开源工具的技术架构 327 
    6.5.3 开发软件版本及其下载地址 328 
    6.5.4 基于Jena的知识推理实践 328 
    6.5.5 基于Drools的知识推理实践 329 
    6.6 本章小结 329 
    参考文献 330 

    第7章 语义搜索 334 
    7.1 语义搜索简介 334 
    7.2 结构化的查询语言 336 
    7.2.1 数据查询 338 
    7.2.2 数据插入 341 
    7.2.3 数据删除 341 
    7.3 语义数据搜索 342 
    7.4 语义搜索的交互范式 348 
    7.4.1 基于关键词的知识图谱语义搜索方法 348 
    7.4.2 基于分面的知识图谱语义搜索 350 
    7.4.3 基于表示学习的知识图谱语义搜索 352 
    7.5 开源工具实践 355 
    7.5.1 功能介绍 355 
    7.5.2 环境搭建及数据准备 357 
    7.5.3 数据准备 357 
    7.5.4 导入Elasticsearch 360 
    7.5.5 功能实现 (views.py) 361 
    7.5.6 执行查询 363 
    参考文献 364 

    第8章 知识问答 366 
    8.1 知识问答概述 366 
    8.1.1 知识问答的基本要素 366 
    8.1.2 知识问答的相关工作 367 
    8.1.3 知识问答应用场景 369 
    8.2 知识问答的分类体系 371 
    8.2.1 问题类型与答案类型 371 
    8.2.2 知识库类型 374 
    8.2.3 智能体类型 375 
    8.3 知识问答系统 376 
    8.3.1 NLIDB:早期的问答系统 376 
    8.3.2 IRQA:基于信息检索的问答系统 380 
    8.3.3 KBQA :基于知识库的问答系统 380 
    8.3.4 CommunityQA/FAQ-QA:基于问答对匹配的问答系统 381 
    8.3.5 Hybrid QA Framework 混合问答系统框架 382 
    8.4 知识问答的评价方法 386 
    8.4.1 问答系统的评价指标 386 
    8.4.2 问答系统的评价数据集 387 
    8.5 KBQA前沿技术 392 
    8.5.1 KBQA面临的挑战 392 
    8.5.2 基于模板的方法 394 
    8.5.3 基于语义解析的方法 398 
    8.5.4 基于深度学习的传统问答模块优化 401 
    8.5.5 基于深度学习的端到端问答模型 405 
    8.6 开源工具实践 406 
    8.6.1 使用Elasticsearch搭建简单知识问答系统 406 
    8.6.2 基于gAnswer构建中英文知识问答系统 410 
    8.7 本章小结 415 
    参考文献 416 

    第9章 知识图谱应用案例 420 
    9.1 领域知识图谱构建的技术流程 420 
    9.1.1 领域知识建模 421 
    9.1.2 知识存储 422 
    9.1.3 知识抽取 422 
    9.1.4 知识融合 423 
    9.1.5 知识计算 423 
    9.1.6 知识应用 424 
    9.2 领域知识图谱构建的基本方法 425 
    9.2.1 自顶向下的构建方法 425 
    9.2.2 自顶向下的构建方法 426 
    9.3 领域知识图谱的应用案例 428 
    9.3.1 电商知识图谱的构建与应用 428 
    9.3.2 图情知识图谱的构建与应用 431 
    9.3.3 生活娱乐知识图谱构建与应用:以美团为例 435 
    9.3.4 企业商业知识图谱的构建与应用 440 
    9.3.5 创投知识图谱的构建与应用 443 
    9.3.6 中医临床领域知识图谱的构建与应用 448 
    9.3.7 金融证券行业知识图谱应用实践 452 
    9.4 本章小结 460 
    参考文献 461

     

    *** 次数:10600 已用完,请联系开发者***

    1. 本站所有资源来源于用户上传和网络,因此不包含技术服务请大家谅解!如有侵权请邮件联系客服!384324621@qq.com
    2. 本站不保证所提供下载的资源的准确性、安全性和完整性,资源仅供下载学习之用!如有链接无法下载、失效或广告,请联系客服处理,有奖励!
    3. 您必须在下载后的24个小时之内,从您的电脑中彻底删除上述内容资源!如用于商业或者非法用途,与本站无关,一切后果请用户自负!
    4. 如果您也有好的资源或教程,您可以投稿发布,成功分享后有★币奖励和额外收入!

    IO 源码网 » 知识图谱 方法、实践与应用 PDF 下载

    常见问题FAQ

    免费下载或者VIP会员专享资源能否直接商用?
    本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。
    提示下载完但解压或打开不了?
    最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。若排除这种情况,可在对应资源底部留言,或 联络我们.。
    找不到素材资源介绍文章里的示例图片?
    对于PPT,KEY,Mockups,APP,网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。
    IO源码吧
    一个高级程序员模板开发平台

    发表评论

    • 89会员总数(位)
    • 10650资源总数(个)
    • 74本周发布(个)
    • 0 今日发布(个)
    • 412稳定运行(天)

    提供最优质的资源集合

    立即查看 了解详情