标签分类
当前位置:首页 > 计算机理论电子书 > 知识图谱电子书网盘下载
知识图谱:方法、实践与应用

知识图谱:方法、实践与应用 完整超清版电子书

官方价: 59

更 新:

知识图谱:方法、实践与应用 PDF 下载

下载地址:https://pan.baidu.com/s/1quIhm3JeC2C46fQPP-VXX

分享码:jwn5

给大家带来的一篇关于知识图谱相关的电子书资源,介绍了关于知识图谱、方法、实践、应用方面的内容,本书是由电子工业出版社出版,格式根据源资源分为PDF、epub、mobi、azw3其中一种或多种格式,资源大小226.2 MB,王昊奋编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:7.7,更多相关的学习资源可以参阅 计算机理论电子书、等栏目。

知识图谱:方法、实践与应用 pdf

Knowledge Graph方式。系统阐述Knowledge Graph的发展趋势历史时间与基本要素,整理Knowledge Graph项目生命周期技术性,创建科学方法论逻辑思维。
Knowledge Graph实践活动。包揽专业知识表达与模型、专业知识储存、专业知识提取与发掘、专业知识结合、专业知识逻辑推理、词义检索、知识竞赛题等,针对性详细介绍Knowledge Graph技术性。各章节目录出示典型性开源系统专用工具实践活动实例,出示有关专用工具、测试数据及详细的操作指南。

Knowledge Graph运用。融合电子商务、图情、衣食住行游戏娱乐、公司商业服务、创业投资、中医学临床医学、金融业等具体应用领域,详解行业Knowledge Graph的搭建方式。

Knowledge Graph是比较典型性的多课程交差行业,涉及到专业知识工程项目、自然语言理解、深度学习、图数据库查询等多个领域。这书系统化详细介绍Knowledge Graph涉及到的核心技术,如专业知识模型、关联提取、图储存、全自动逻辑推理、图普表达学习培训、词义检索、知识竞赛题、图发掘剖析等。除此之外,这书还试着将学术前沿和实战演练融合,让用户在把握具体运用工作能力的另外对前沿科技发展趋势有一定的掌握。这书既合适电子计算机和人工智能技术有关的科学研究工作人员阅读文章,又合适在公司第一线从业技术性和应用程序开发的工作人员学习培训,还可做为高等学校电子计算机或人工智能专业老师学生的参照教材内容。

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

上一篇:MySQL 8从入门到精通  下一篇:云原生服务网格Istio:原理、实践、架构与源码解析

展开 +

收起 -

知识图谱 相关电子书
知识图谱 学习笔记
网友NO.115435

PHP类相关知识点实例总结

本文实例总结了PHP类相关知识点。分享给大家供大家参考,具体如下: 最终类与最终方法 如果父类中的方法被声明为 final,则子类无法覆盖该方法。如果一个类被声明为 final,则不能被继承。 final class a{}class a{ final public function A(){}} 抽象类与抽象方法 abstract class a { public abstract function func();}class A extends a{ public function func(){}} ① 一个类可以使用abstract声明为抽象类;抽象类是不能实例化的类,只用作其他类的父类。 abstract class name{} ② 一个方法可以使用abstract声明为抽象方法;抽象方法只需要声明方法头,不需要大括号部分的方法体。 abstract public function name($val); ③ 一个类中有抽象方法,则该类必须声明为抽象类。 ④ 子类继承自一个抽象类,则子类不行实现父类中的所有抽象方法,除非子类也继续作为抽象类。 ⑤ 子类实现抽象父类的方法时,访问控制符范围不能降低,且方法的参数也必须一致(重写)。 接口 接口可以看作是抽象类的更高层面的抽象,可以说是抽象类的特例 interface a{ function func();}class A implements a { function func(){}} 类:属性、类常量、方法 抽象类:属性、类常量、抽象方法 接口:接口常量、抽象方法 ① 相比抽象类,接口可实现‘多继承' class A implements a,b,c{} ② 一个接口只能继承一个接口 interface a extend……

网友NO.653793

JS前端知识点总结之内置对象,日期对象和定时器相关操作

本文实例讲述了JS前端知识点总结之内置对象,日期对象和定时器相关操作。分享给大家供大家参考,具体如下: 常见内置对象 Arguments: 函数参数集合 Array: 数组 Boolean: 布尔对象 Date: 日期对象 Error: 异常对象 Function: 函数构造器 Math: 数学对象 Number: 数值对象 Object: 基础对象 RegExp: 正则表达式对象 String: 字符串对象 常见的日期对象的方法 var d = new Date(); d.getDate() 获取日 1-31 d.getDay() 获取星期 0-6 d.getMonth() 获取月 0-11 d.getFullYear() 获取完整年份 d.getHours() 获取小时 0-23 d.getMinutes() 获取分钟 0-59 d.getSeconds() 获取秒 0-59 d.getMilliseconds() 获取毫秒 d.getTime() 返回累计毫秒数 (从1970/1/1 午夜时分计算) 获取过去的毫秒数字:d.getTime() === d.valueOf() 表达式值为true 示例: var today = new Date(); // 获取当前时间var today = new Date(1453094034000);var birthday = new Date('December 17,1995');var birthday = new Date('1995-12-17T03:24:00');var birthday1 = new Date(1995,11,17,3,24,0);birthday1.toLocaleString() // "1995/12/17 上午3:24:00"// 注意: 0-11数字表示1-12月,var a = new Date(2006,5,6) 结果是2006-6-6// 0-6 表示星期几 两种定时器 setInterval 循环执行 window.setInterval(function(){ // do your business},100); setTimeout 只调用一次 window.setTimeout(function() { // do your business},100); 定时器的取消 clearInterval var timer1 = setInterval(function(){ clea……

网友NO.776318

深入了解Python枚举类型的相关知识

枚举类型可以看作是一种标签或是一系列常量的集合,通常用于表示某些特定的有限集合,例如星期、月份、状态等。 Python 的原生类型(Built-in types)里并没有专门的枚举类型,但是我们可以通过很多方法来实现它,例如字典、类等: MiracleLove = {'MON': '林志玲', 'TUS': '陈意涵', 'WEN': '张柏芝', 'THU': '辛芷蕾', 'FRI': '周冬雨'}class MiracleLove: MON = '林志玲' TUS = '陈意涵' WEN = '张柏芝' THU = '辛芷蕾' FRI = '周冬雨' 上面两种方法可以看做是简单的枚举类型的实现。 如果只在局部范围内用到了这样的枚举变量是没有问题的。 但问题在于它们都是可变的(mutable),也就是说可以在其它地方被修改从而影响其正常使用: MiracleLove['MON'] = MiracleLove['FRI']print(MiracleLove) 通过类定义的枚举甚至可以实例化,变得不伦不类: ml = MiracleLove()print(ml.MON)MiracleLove.MON = 2print(ml.MON) 当然也可以使用不可变类型(immutable),例如元组,但是这样就失去了枚举类型的本意,将标签退化为无意义的变量: MiracleLove = ('R', 'G', 'B')print(MiracleLove[0], MiracleLove[1], MiracleLove[2]) 为了提供更好的解决方案,Python 通过 PEP 435 在 3.4 版本中添加了 enum 标准库,3.4 之前的版本也可以通过 pip install enum 下载兼容支持的库。 enum 提供了 Enum/IntEnum/unique 三个工具,用法也非常简单,可以通……

网友NO.914086

Python 函数基础知识汇总

一、函数基础 简单地说,一个函数就是一组Python语句的组合,它们可以在程序中运行一次或多次运行。Python中的函数在其他语言中也叫做过程或子例程,那么这些被包装起来的语句通过一个函数名称来调用。 有了函数,我们可以在很大程度上减少复制及粘贴代码的次数了(相信很多人在刚开始时都有这样的体验)。我们可以把相同的代码可以提炼出来做成一个函数,在需要的地方只需要调用即可。那么,这样就提高了代码的复用率了,整体代码看起来比较简练,没有那么臃肿了。 函数在Python中是最基本的程序结构,用来最大化地让我们的代码进行复用;与此同时,函数可以把一个错综复杂的系统分割为可管理的多个部分,简化编程、代码复用。 接下来我们看看什么是函数,及函数该如何定义。有两种方式可以进行函数的定义,分别是def及lambda关键字。 1. 函数定义 先总结一下为什么要使用函数? 代码复用最大化及最小化冗余代码; 过程分解(拆解)。把一个复杂的任务拆解为多个小任务。 函数定义的语法为: def func_name(arg1, arg2, arg3, ..., argN): statement return value 根据上面定义,可以简单地描述为:Python中的函数是具有0个或多个参数,具有若干行语句并且具有返回值(返回值可有可无)的一个语句块(注意缩进)。 那么……

码小辫

码小辫 发起

资源
42
粉丝
49
喜欢
404
评论
1

    Copyright 2018-2019 xz577.com 码农之家

    版权责任说明