新書推薦:
![中国近代画报大系·中国近代画报史稿](http://103.6.6.66/upload/mall/productImages/24/29/9787545823547.jpg)
《
中国近代画报大系·中国近代画报史稿
》
售價:NT$
822.0
![思想地震:柄谷行人演讲集1995-2015(艺文志·日本思想)](http://103.6.6.69/upload/mall/productImages/y24/8/9787532181827.jpg)
《
思想地震:柄谷行人演讲集1995-2015(艺文志·日本思想)
》
售價:NT$
302.0
![大国人口](http://103.6.6.66/upload/mall/productImages/24/30/9787521766615.jpg)
《
大国人口
》
售價:NT$
411.0
![何以中国·君臣:宋代士大夫政治下的权力场](http://103.6.6.69/upload/mall/productImages/y24/8/9787213115370.jpg)
《
何以中国·君臣:宋代士大夫政治下的权力场
》
售價:NT$
510.0
![文明的故事(全11卷-2024版)](http://103.6.6.69/upload/mall/productImages/y24/8/9787542684653.jpg)
《
文明的故事(全11卷-2024版)
》
售價:NT$
11898.0
![中国汽车综合测评技术研究报告 (2024)](http://103.6.6.66/upload/mall/productImages/24/31/9787111759829.jpg)
《
中国汽车综合测评技术研究报告 (2024)
》
售價:NT$
1040.0
![高效时间管理:巧妙且明智地利用时间](http://103.6.6.66/upload/mall/productImages/24/31/9787213114342.jpg)
《
高效时间管理:巧妙且明智地利用时间
》
售價:NT$
302.0
![完美咨询 原书第4版](http://103.6.6.66/upload/mall/productImages/24/31/9787115647696.jpg)
《
完美咨询 原书第4版
》
售價:NT$
390.0
|
內容簡介: |
《知识图谱实战:构建方法与行业应用》
这是一本综合介绍知识图谱构建与行业实践的著作,是作者多年从事知识图谱与认知智能应用落地经验的总结,得到了多位知识图谱资深专家的推荐。
本书以通俗易懂的方式来讲解知识图谱相关的知识,尤其对从零开始构建知识图谱过程中需要经历的步骤,以及每个步骤需要考虑的问题都给予较为详细的解释。
本书基于实际业务进行抽象,结合知识图谱的7个构建步骤,深入分析知识图谱技术应用以及8个行业综合案例的设计与实现。
全书分为基础篇、构建篇、实践篇,共16章内容。
基础篇(第1章),介绍知识图谱的定义、分类、发展阶段,以及构建方式、逻辑/技术架构、现状与应用场景等。
构建篇(第2~8章),详细介绍知识抽取、知识表示、知识融合、知识存储、知识建模、知识推理、知识评估与运维等知识图谱构建的核心步骤,并结合实例讲解应用方法。
实践篇(第9~16章),详细讲解知识图谱的综合应用,涵盖知识问答评测、知识图谱平台、智能搜索、图书推荐系统、开放领域知识问答、交通领域知识问答、汽车领域知识问答、金融领域推理决策。
《从零构建知识图谱:技术、方法与案例》
这是一本能让读者快速从零开始构建工业级知识图谱的著作。作者是知识图谱和自然语言处理领域的专家,本书得到了OpenKG联合创始人王昊奋、清华大学教授李涓子、东南大学教授漆桂林、美团知识图谱团队负责人张富峥、文因互联创始人鲍捷等学术界和企业界知识图谱扛旗人的一致好评和推荐。
本书不仅详细讲解了知识图谱的技术原理和构建工具,还循序渐进地讲解了知识图谱的构建方法、步骤和行业应用。书中配有大量实战案例,并且开放了源代码,确保读者能学会并落地。
全书一共8章:
第1章介绍了知识图谱的概念、模式、应用场景和技术架构;
第2章围绕知识图谱的技术体系,详细阐述了知识的表示与建模、抽取与挖掘、存储与融合,以及检索与推理;
第3章通过具体的实例介绍了各种知识图谱工具的使用;
第4章和第5章从工业实践的角度讲解了从零构建通用知识图谱和领域知识图谱的步骤和方法,并配备详细的代码解读;
第6章和第7章讲解了知识图谱的具体应用和一个综合性的知识图谱案例——问答系统,进一步指导读者实践;
第8章对知识图谱的未来发展进行了总结和展望。
|
關於作者: |
于 俊
中国科学技术大学电子信息专业博士研究生,科大讯飞大数据及人工智能技术专家,安徽大学计算机技术专业硕士生导师,CCF高级会员。有超过15年的大数据及人工智能算法工程化经验,专注大数据分析及数据价值挖掘、大数据及人工智能技术应用落地。著有《Spark核心技术与高级应用》《Spark机器学习进阶实战》等书。
李雅洁
华中科技大学应用统计硕士,在知识图谱、自然语言处理、大数据分析与挖掘、机器学习等领域有丰富的研究和开发经验。精通Python、R语言以及Spark等大数据框架,擅长自然语言处理及知识图谱构建。
彭加琪
中国科学技术大学计算机科学硕士,科大讯飞核心研发平台主管,负责AI数据平台和知识中台建设,精通Java、Python等编程语言,擅长分布式系统建设以及企业级知识图谱构建与应用。
程知远
悉尼大学数据科学硕士,科大讯飞大数据工程师,负责智慧教学产品及学生行为分析的算法研究及引擎实现。精通Java、Python等编程语言,擅长分布式系统建设以及企业级知识图谱构建与应用。
邵浩
资深人工智能技术专家,复星集团CEO助理,集团AI业务负责人。曾任vivo人工智能研究院算法专家、技术总监,曾任狗尾草智能科技AI研究院院长,带领团队打造了虚拟生命产品的交互引擎。上海市静安区首届优秀人才,上海市人才发展基金获得者,杭州市高层次人才。中国中文信息学会青年工作委员会委员,语言与知识计算专委会委员,中国计算机学会语音对话与听觉专委会委员,自然语言处理专委会委员。
日本国立九州大学工学博士,亚利桑那州立大学访问学者,曾任上海对外经贸大学副教授,硕士生导师。共发表论文50余篇,专利十余项,在国内率先出版了聊天机器人和预训练语言模型相关的著作,主持多项国家级和省部级课题。
张凯
资深AI算法工程师,主要研究方向包括知识图谱、对话系统、推荐系统、机器翻译等,拥有多年算法落地经验。主导构建了开放通用知识图谱七律,参与了《知识图谱评测标准》和《知识图谱白皮书》的编写。聊天机器人专业书作者之一。
李方圆
资深AI算法工程师,主要研究方向包括机器翻译、知识图谱和问答系统,具有多年实战项目经验,现任vivo机器翻译团队负责人,主导从零构建机器翻译能力。
张云柯
资深AI算法工程师,中文信息学会会员,硕士毕业于加拿大女王大学,曾任职于奇虎360。主要研究方向包括自然语言处理与知识图谱,曾于领域内知名会议发表相关论文,拥有丰富的算法落地经验。
戴锡强
资深AI算法工程师,主要研究方向为知识图谱、对话系统等,参与构建了百科知识图谱,医药领域知识图谱,基于知识图谱的问答系统等,具有丰富的知识图谱落地经验。
|
目錄:
|
《知识图谱实战:构建方法与行业应用》
前言
基础篇
第1章 理解知识图谱 / 2
1.1 知识图谱概述 / 2
1.1.1 知识定义及分类 / 3
1.1.2 知识图谱定义 / 4
1.1.3 知识图谱分类 / 5
1.1.4 知识图谱发展阶段 / 8
1.2 知识图谱架构 / 8
1.2.1 构建方式 / 8
1.2.2 逻辑架构 / 9
1.2.3 技术架构 / 9
1.3 知识图谱现状 / 13
1.3.1 学术界研究现状 / 13
1.3.2 工业界应用现状 / 13
1.4 知识图谱应用场景 / 14
1.4.1 智能搜索 / 14
1.4.2 推荐系统 / 15
1.4.3 知识问答 / 15
1.4.4 推理决策 / 16
1.5 本章小结 / 16构建篇
第2章 知识抽取 / 18
2.1 知识抽取概述 / 18
2.1.1 知识抽取的定义 / 19
2.1.2 知识抽取的任务 / 20
2.2 知识抽取的方法 / 26
2.2.1 面向结构化数据 / 26
2.2.2 面向半结构化数据 / 28
2.2.3 面向非结构化数据 / 30
2.3 知识抽取实例 / 37
2.3.1 Deepdive的安装和配置 / 38
2.3.2 实验步骤 / 39
2.3.3 模型构建 / 47
2.4 本章小结 / 49
第3章 知识表示 / 50
3.1 知识表示概述 / 50
3.1.1 知识表示的定义 / 50
3.1.2 知识表示的任务 / 51
3.2 知识表示的方法 / 51
3.2.1 基于符号的知识表示 / 51
3.2.2 基于向量的知识表示 / 60
3.3 知识表示实例 / 64
3.3.1 环境配置 / 64
3.3.2 生成映射文件 / 65
3.3.3 将MySQL数据转为RDF三元组 / 67
3.4 本章小结 / 68
第4章 知识融合 / 69
4.1 知识融合概述 / 69
4.1.1 知识融合的定义 / 70
4.1.2 知识融合的任务 / 70
4.2 知识融合的方法 / 73
4.2.1 本体对齐方法 / 73
4.2.2 实体对齐方法 / 77
4.3 知识融合实例 / 80
4.3.1 环境配置 / 81
4.3.2 预处理与匹配 / 81
4.3.3 结果评估 / 84
4.4 本章小结 / 85
第5章 知识存储 / 86
5.1 知识存储概述 / 86
5.1.1 知识存储的定义 / 86
5.1.2 知识存储的任务 / 87
5.2 知识存储的方法 / 89
5.2.1 基于关系型数据库的知识存储 / 89
5.2.2 基于NoSQL的知识存储 / 92
5.2.3 基于分布式的知识存储 / 96
5.3 知识存储实例 / 98
5.3.1 使用Apache Jena存储数据 / 98
5.3.2 使用Neo4j数据库存储数据 / 98
5.4 本章小结 / 103
第6章 知识建模 / 104
6.1 知识建模概述 / 104
6.1.1 知识建模的定义 / 104
6.1.2 知识建模的任务 / 107
6.2 知识建模的方法 / 109
6.2.1 手工建模方法 / 109
6.2.2 半自动建模方法 / 113
6.2.3 本体自动建模方法 / 114
6.3 知识建模实例 / 116
6.3.1 创建项目实例 / 117
6.3.2 创建本体关系和属性 / 118
6.3.3 知识图谱可视化 / 120
6.4 本章小结 / 121
第7章 知识推理 / 122
7.1 知识推理概述 / 122
7.1.1 知识推理的定义 / 122
7.1.2 知识推理的任务 / 123
7.2 知识推理的方法 / 124
7.2.1 基于逻辑规则的推理 / 124
7.2.2 基于知识表示学习的推理 / 131
7.2.3 基于神经网络的推理 / 134
7.2.4 混合推理 / 136
7.3 知识推理实例 / 137
7.4 本章小结 / 139
第8章 知识评估与运维 / 140
8.1 知识评估与运维概述 / 140
8.1.1 知识评估概述 / 141
8.1.2 知识运维概述 / 142
8.2 知识评估与运维的任务 / 143
8.2.1 知识评估任务 / 143
8.2.2 知识运维任务 / 147
8.3 知识评估与运维流程 / 149
8.3.1 知识评估流程 / 149
8.3.2 知识运维流程 / 150
8.4 本章小结 / 151
实践篇
第9章 知识问答评测 / 154
9.1 知识问答系统概述 / 154
9.1.1 知识问答系统定义 / 155
9.1.2 知识问答问题分类 / 155
9.1.3 知识问答评测技术方案 / 157
9.2 自然语言知识问答评测 / 159
9.2.1 任务背景 / 159
9.2.2 数据分析 / 159
9.2.3 技术方案 / 160
9.2.4 任务结果 / 163
9.3 生活服务知识问答评测 / 164
9.3.1 任务背景 / 164
9.3.2 数据分析 / 164
9.3.3 技术方案 / 165
9.3.4 任务结果 / 168
9.4 开放知识问答评测 / 168
9.4.1 任务背景 / 168
9.4.2 数据分析 / 168
9.4.3 技术方案 / 169
9.4.4 任务结果 / 172
9.5 本章小结 / 17
|
|