AI進步的階梯《知識圖譜:方法、實踐與應用》開啟預售!

管理員賬號

2019-08-12

互聯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?;R圖譜構建提供了新的技術基礎和發展條件,使得知識圖譜構建的來源、方法和技術手段都發生了極大的變化。

知識圖譜本身可以看作是一種新型的信息系統基礎設施,旨在從數據中識別、發現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、物聯網設備互聯、可解釋性人工智能等多個方面展現出豐富的應用價值。

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、物聯網設備互聯等多個方面發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》現已開放預售!

通過本書,讀者一方面可以系統性了解知識圖譜的基本概念、發展歷史和技術前沿,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創始人、OpenKG發起人之一、CCF理事、CCF術語審定工委主任、CCF TF執委、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、問答系統和聊天機器人等諸多領域有豐富的研發經驗。

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發起人之一、中國中文信息學會語言與知識計算專業委員會副主任、中國科學技術情報學會知識組織專業委員會副主任、愛思唯爾(Elsevier)數據管理顧問委員會顧問、國際期刊 Journal of Data Intelligence 執行主編??蒲谐晒陔娏收现悄軝z測和知識推送、醫藥知識問答及網絡安全態勢感知系統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委員會副主任委員、OpenKG發起人。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:實體關系發現框架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 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

讀者評論

相關專題

相關博文

  • 分享實錄丨陽德青教授分享“知識圖譜起航”

    分享實錄丨陽德青教授分享“知識圖譜起航”

    管理員賬號 2019-08-19

    知識圖譜是實現機器人之智能的基礎,也是一門應用廣泛的工程學科。其具體方法大都來自計算機或人工智能的其他領域,比如自然語言處理、機器學習、知識工程等。面對如此龐雜的知識,初學者應該如何著手? 日前,我們邀請復旦大學大數據學院與大數據...

    管理員賬號 2019-08-19
    143 0 0 0
国际官方棋牌下载中心