本文轉載自公眾號：博文視點Broadview 。

---

互聯(lián)網促成了大數據的集聚，大數據進而促進了人工智能算法的進步。近年來知識圖譜作為AI領域底層技術被越來越多的人談起。知識圖譜的升溫得益于新數據和新算法為規(guī)模化知識圖譜構建提供了新的技術基礎和發(fā)展條件，使得知識圖譜構建的來源、方法和技術手段都發(fā)生了極大的變化。

知識圖譜本身可以看作是一種新型的信息系統(tǒng)基礎設施，旨在從數據中識別、發(fā)現(xiàn)和推斷事物與概念之間的復雜關系，是事物關系的可計算模型。知識圖譜最早的應用是提升搜索引擎的能力。隨后，知識圖譜在輔助智能問答、自然語言理解、大數據分析、推薦計算、物聯(lián)網設備互聯(lián)、可解釋性人工智能等多個方面展現(xiàn)出豐富的應用價值。

知識圖譜：事物關系的可計算模型

如果知識是人類進步的階梯，知識圖譜就是AI進步的階梯。知識圖譜作為知識的一種形式，已經在語義搜索、智能問答、數據分析、自然語言理解、視覺理解、物聯(lián)網設備互聯(lián)等多個方面發(fā)揮出越來越大的價值。AI浪潮愈演愈烈，而作為底層支撐的知識圖譜賽道也從鮮有問津到緩慢升溫，雖然還談不上擁擠，但作為通往未來的必經之路，注定會走上風口。

為了幫助更多的人學習了解這項技術，由王昊奮、漆桂林、陳華鈞等多位知識圖譜專家合力編著的《知識圖譜：方法、實踐與應用》現(xiàn)已開放預售！

（點擊封面了解詳情）

通過本書，讀者一方面可以系統(tǒng)性了解知識圖譜的基本概念、發(fā)展歷史和技術前沿，另一方面從工程實踐的角度訓練自己構建和應用知識圖譜的實戰(zhàn)能力。

本書適合有一定自然語言處理和機器學習基礎，希望深入研究知識圖譜的數據工程師、高校師生和研究者閱讀。

• 主 要 作 者 簡 介

王昊奮

上海交通大學計算機博士。中文知識圖譜zhishi.me創(chuàng)始人、OpenKG發(fā)起人之一、CCF理事、CCF術語審定工委主任、CCF TF執(zhí)委、中文信息學會語言與知識計算專委會副秘書長、上海交通大學校友會AI分會秘書長。在知識圖譜、問答系統(tǒng)和聊天機器人等諸多領域有豐富的研發(fā)經驗。

漆桂林

東南大學計算機學院教授、東南大學認知智能研究所所長、南京柯基數據科技有限公司首席科學家、OpenKG發(fā)起人之一、中國中文信息學會語言與知識計算專業(yè)委員會副主任、中國科學技術情報學會知識組織專業(yè)委員會副主任、愛思唯爾（Elsevier）數據管理顧問委員會顧問、國際期刊 Journal of Data Intelligence 執(zhí)行主編。科研成果在電力故障智能檢測和知識推送、醫(yī)藥知識問答及網絡安全態(tài)勢感知系統(tǒng)等領域得到了實際應用。

陳華鈞

浙江大學計算機科學與技術學院教授。浙江大學阿里巴巴知識引擎聯(lián)合實驗室負責人、浙江省大數據智能計算重點實驗室副主任、中國人工智能學會知識工程與分布智能專業(yè)委員會副主任委員、中國中文信息學會語言與知識計算專業(yè)委員會副主任委員、OpenKG發(fā)起人。曾獲國際語義網會議ISWC最佳論文獎。

• 主 要 結 構

第1章 ?知識圖譜概述 1

1.1 ?什么是知識圖譜 1

1.2 ?知識圖譜的發(fā)展歷史 2

1.3 ?知識圖譜的價值 5

1.4 ?國內外典型的知識圖譜項目 9

1.5 ?知識圖譜的技術流程 15

1.6 ?知識圖譜的相關技術 19

1.7 ?本章小結 30

第2章 ?知識圖譜表示與建模 40

2.1 ?什么是知識表示 40

2.2 ?人工智能早期的知識表示方法 43

2.3 ?互聯(lián)網時代的語義網知識表示框架 48

2.4 ?常見開放域知識圖譜的知識表示方法 64

2.5 ?知識圖譜的向量表示方法 68

2.6 ?開源工具實踐：基于Protégé的本體知識建模 77

2.7 ?本章小結 80

第3章 ?知識存儲 82

3.1 ?知識圖譜數據庫基本知識 82

3.2 ?常見知識圖譜存儲方法 91

3.3 ?知識存儲關鍵技術 121

3.4 ?開源工具實踐 126

第4章 ?知識抽取與知識挖掘 133

4.2 ?面向非結構化數據的知識抽取 136

4.3 ?面向結構化數據的知識抽取 154

4.4 ?面向半結構化數據的知識抽取 161

4.5 ?知識挖掘 168

4.6 ?開源工具實踐：基于DeepDive的關系抽取實踐 178

第5章 ?知識圖譜融合 184

5.1 ?什么是知識圖譜融合 184

5.2 ?知識圖譜中的異構問題 185

5.3 ?本體概念層的融合方法與技術 190

5.4 ?實例層的融合與匹配 236

5.5 ?開源工具實踐：實體關系發(fā)現(xiàn)框架LIMES 266

5.6 ?本章小結 269

第6章 ?知識圖譜推理 279

6.1 ?推理概述 279

6.2 ?基于演繹的知識圖譜推理 283

6.3 ?基于歸納的知識圖譜推理 306

6.4 ?知識圖譜推理新進展 324

6.5 ?開源工具實踐：基于Jena和Drools的知識推理實踐 327

6.6 ?本章小結 329

第7章 ?語義搜索 334

7.1 ?語義搜索簡介 334

7.2 ?結構化的查詢語言 336

7.3 ?語義數據搜索 342

7.4 ?語義搜索的交互范式 348

7.5 ?開源工具實踐 355

第8章 ?知識問答 366

8.1 ?知識問答概述 366

8.2 ?知識問答的分類體系 371

8.3 ?知識問答系統(tǒng) 376

8.4 ?知識問答的評價方法 386

8.5 ?KBQA前沿技術 392

8.6 ?開源工具實踐 406

第9章 ?知識圖譜應用案例 420

9.1 ?領域知識圖譜構建的技術流程 420

9.2 ?領域知識圖譜構建的基本方法 425

9.3 ?領域知識圖譜的應用案例 428

9.4 ?本章小結 460

---

OpenKG

開放知識圖譜（簡稱 OpenKG）旨在促進中文知識圖譜數據的開放與互聯(lián)，促進知識圖譜和語義技術的普及和廣泛應用。

點擊閱讀原文，進入 OpenKG 博客。

總結

以上是生活随笔為你收集整理的新书速递 | 《知识图谱:方法、实践与应用》的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。