作者权威：本书作者是浙江大学计算机科学与技术学院陈华钧教授，长期从事知识图谱、自然语言处理、大数据系统等方向的研究，在国际顶级会议或期刊发表多篇论文，是《知识图谱：方法、应用与实践》作者之一。
内容全面：全面覆盖了知识图谱的表示、存储、获取、推理、融合、问答和分析等七大方面，100多个基础知识点的内容
技术前沿：囊括多模态知识图谱、知识图谱与图神经网络的融合、本体表示学习、事理知识图谱，以及知识增强的语言预训练模型等新热点
配套齐全：本书是浙江大学知识图谱慕课课程的配套教材，读者可结合慕课视频教程学习。
本书囊括多个知识图谱相关技术领域的发展前沿，如多模态知识图谱、知识图谱与图神经网络的融合、本体表示学习、事理知识图谱、知识增强的语言预训练模型、知识区块链等。
本书包含作者团队的学术探索和应用实践，包括知识图谱与可解释人工智能、知识驱动的低资源学习、大规模知识图谱预训练等。
本书是浙江大学知识图谱慕课课程的配套教材，读者可结合慕课视频教程学习。
本书采用全彩印刷，提供良好的阅读体验！
知识图谱的发展历史源远流长，从经典人工智能的核心命题——知识工程，到互联网时代的语义Web，再到当下很多领域构建的数千亿级别的现代知识图谱。知识图谱兼具人工智能、大数据和互联网的多重技术基因，是知识表示、表示学习、自然语言处理、图数据库和图计算等多个领域技术的综合集成。本书全面覆盖了知识图谱的表示、存储、获取、推理、融合、问答和分析等七大方面，100多个基础知识点的内容，同时囊括多模态知识图谱、知识图谱与图神经网络的融合、本体表示学习、事理知识图谱，以及知识增强的语言预训练模型等新热点、新发展。作为一本导论性质的书，本书希望帮助初学者梳理知识图谱的基本知识点和关键技术要素，也希望帮助技术决策者建立知识图谱的整体视图和系统工程观，为前沿科研人员拓展创新视野和研究方向。
本书在技术广度和深度上兼具极强的参考性，适合高等院校的计算机专业师生阅读，也可供计算机相关行业的管理者和研发人员参考。
目录
第1章 知识图谱概述 1
1.1 语言与知识 2
1.2 知识图谱的起源 7
1.3 知识图谱的价值 12
1.4 知识图谱的技术内涵 16
1.5 建立知识图谱的系统工程观 20
第2章 知识图谱的表示 21
2.1 什么是知识表示 22
2.2 人工智能历史发展长河中的知识表示 24
2.3 知识图谱的符号表示方法 28
2.4 知识图谱的向量表示方法 32
2.5 总结 38
第3章 知识图谱的存储与查询 39
3.1 基于关系型数据库的知识图谱存储 40
3.2 基于原生图数据库的知识图谱存储 44
3.3 原生图数据库实现原理浅析 52
3.4 总结 55
第4章 知识图谱的获取与构建 57
4.1 重新理解知识工程与知识获取 58
4.2 实体识别 62
4.3 关系抽取 71
4.4 属性补全 81
4.5 概念抽取 83
4.6 事件识别与抽取 87
4.7 知识抽取技术前沿 91
4.8 总结 95
第5章 知识图谱推理 96
5.1 推理简述 97
5.2 知识图谱推理简介 101
5.3 基于符号逻辑的知识图谱推理 108
5.4 基于表示学习的知识图谱推理 117
5.5 总结 144
第6章 知识图谱融合 146
6.1 知识图谱融合概述 147
6.2 概念层融合——本体匹配 150
6.3 实例层的融合——实体对齐 155
6.4 知识融合技术前沿 159
6.5 总结 162
第7章 知识图谱问答 163
7.1 智能问答概述 164
7.2 基于问句模板的知识图谱问答 172
7.3 基于语义解析的知识图谱问答 178
7.4 基于检索排序的知识图谱问答 185
7.5 基于深度学习的知识图谱问答 188
7.6 总结 195
第8章 图算法与图数据分析 196
8.1 图的基本知识 197
8.2 基础图算法 204
8.3 图表示学习与图神经网络 211
8.4 知识图谱与图神经网络 224
8.5 总结 232
第9章 知识图谱技术发展 233
9.1 多模态知识图谱 234
9.2 知识图谱与语言预训练 248
9.3 事理知识图谱 255
9.4 知识图谱与低资源学习 261
9.5 结构化知识预训练 276
9.6 知识图谱与区块链 293
