从零构建知识图谱:技术、方法与案例

推荐序

前言

第1章　知识图谱概览 1

1.1　知识图谱序言 1

1.2　知识图谱基本概念 3

1.2.1　知识图谱背景 3

1.2.2　知识图谱的定义 5

1.2.3　典型知识图谱示例 7

1.3　知识图谱的模式 10

1.4　为什么需要知识图谱 13

1.5　知识图谱的典型应用 15

1.6　知识图谱的技术架构 17

参考文献 18

第2章　知识图谱技术体系 19

2.1　知识表示与知识建模 19

2.1.1　知识表示 19

2.1.2　知识建模 26

2.2　知识抽取与知识挖掘 29

2.2.1　知识抽取 29

2.2.2　知识挖掘 38

2.3　知识存储与知识融合 42

2.3.1　知识存储 42

2.3.2　知识融合 47

2.4　知识检索与知识推理 52

2.4.1　知识检索 53

2.4.2　知识推理 58

参考文献 61

第3章　知识图谱工具 63

3.1　知识建模工具 63

3.1.1　Protégé 64

3.1.2　其他本体建模工具 79

3.1.3　本体建模工具的选择 83

3.2　知识抽取工具 84

3.2.1　DeepDive 84

3.2.2　其他知识抽取工具 102

3.2.3　知识抽取工具对比 106

3.3　知识存储工具 107

3.3.1　Neo4j 108

3.3.2　Neo4j安装与部署 109

3.3.3　可视化 113

3.3.4　图模型 115

3.3.5　其他图数据库 120

参考文献 122

第4章　从零构建通用知识图谱 123

4.1　通用知识表示与抽取 123

4.1.1　通用知识数据来源 123

4.1.2　实体层构建 126

4.1.3　表述层构建 131

4.1.4　概念层构建 134

4.2　知识增强 135

4.2.1　实体层知识增强 135

4.2.2　模式完善 139

4.2.3　实体链接：表述层与实体层之间的映射 144

4.2.4　实体分类：实体层与概念层之间的映射 146

4.3　百科知识存储与更新 153

4.3.1　属性图存储模型 154

4.3.2　知识存储 156

4.3.3　知识更新 168

第5章　领域知识图谱构建 172

5.1　领域知识图谱概览 172

5.2 　医药领域知识图谱 173

5.2.1　领域模式构建 174

5.2.2　领域知识抽取 176

5.2.3　领域图谱构建 178

5.2.4　图谱展示 182

5.3　用户画像图谱 183

5.3.1　用户画像知识表示 183

5.3.2　知识抽取和挖掘 185

5.3.3　抽取案例 194

参考文献 207

第6章　知识图谱应用 208

6.1　知识可视化 208

6.1.1　D3 208

6.1.2　ECharts 213

6.1.3　其他工具介绍 220

6.1.4　小结 225

6.2　实体链接 225

6.2.1　实体链接的定义 225

6.2.2　实体链接的步骤 226

6.2.3　实体链接工具 232

6.2.4　实体链接的应用 242

6.3　知识问答 245

6.3.1　知识问答系统概述 245

6.3.2　知识问答系统的主要流程 247

6.3.3　主流知识问答系统介绍 252

6.3.4　问答系统实战 260

6.4　联想 277

6.4.1　联想整体流程 278

6.4.2　话题识别 279

6.4.3　候选话题生成 280

6.4.4　候选话题排序 282

6.4.5　联想回复生成 290

参考文献 292

第7章　基于知识图谱的问答系统 297

7.1　简介 297

7.2　自然语言理解 300

7.2.1　概述 300

7.2.2　基础NLU 301

7.2.3　意图理解 309

7.2.4　实体识别与链接 317

7.2.5　文本相似度与向量化 317

7.3　对话管理 322

7.3.1　概述 322

7.3.2　知识问答 327

7.3.3　闲聊 331

7.4　自然语言生成 332

7.5　服务化 333

参考文献 335

第8章　总结与展望 336

参考文献 338