第1部分 知识库构建
第1章 知识库构建技术概况
1.1 知识库构建背景及意义
1.2 知识库构建研究现状
1.2.1 大规模网络数据采集
1.2.2 网络信息抽取
1.2.3 RDF数据存储与查询技术
1.2.4 实体对齐研究
本章小结
第2章 知识库构建基础知识
2.1 RDF简介
2.2 SPARQL简介
2.3 开源爬取框架Scrapy
2.3.1 Scrapy框架简述
2.3.2 优缺点分析
2.4 NoSQL数据库MongoDB
2.5 图数据库介绍
本章小结
第3章 数据采集技术
3.1 数据源采集
3.1.1 数据选择依据
3.1.2 数据的采集格式
3.1.3 数据获取方式
3.2 数据集的挑战
3.2.1 目标数据的高速采集
3.2.2 目标网站的反爬取机制与速率限制
3.3 大规模数据采集系统的设计与实现
3.3.1 采集框架
3.3.2 数据采集系统的具体实现
3.4 代理IP信息获取
3.4.1 XPath表达式
3.4.2 代理IP获取方式
3.4.3 正则表达式获取
3.4.4 XPath模板生成
3.4.5 候选表达式
3.4.6 排序及抽取
3.4.7 信息验证
本章小结
第4章 数据处理
4.1 实体数据
4.1.1 网页内容抽取
4.1.2 RDF转化
4.2 信息抽取、转化、存储与查询的挑战
4.2.1 信息抽取与数据转化
4.2.2 信息的存储与查询
4.3 实体信息抽取与转化
4.3.1 信息抽取
4.3.2 数据转化
4.3.3 RDF数据规范化
4.4 数据存储和查询
4.4.1 整体框架
4.4.2 关键技术
4.5 非结构化知识抽取
4.5.1 实体关系抽取简介
4.5.2 面向非结构化数据的知识抽取
4.5.3 弱监督学习的关系抽取
4.5.4 NF Tri training弱监督关系抽取算法
本章小结
第5章 异构数据源实体对齐
5.1 实体对齐的研究方向
5.2 实体对齐算法简介
5.2.1 LCS算法
5.2.2 网络语义标签实体对齐算法
5.2.3 基于属性权重的实体对齐算法
5.3 基于主题模型的中文异构百科实体对齐方法
5.3.1 实体对齐框架
5.3.2 实体上下文建模
5.3.3 基于LCS的属性相似度计算
5.3.4 基于主题特征的相似度计算方法
本章小结
第6章 面向知识图谱的知识推理
6.1 常见的知识库
6.2 推理的概念及分类
6.2.1 推理的概念
6.2.2 推理的分类
6.3 知识推理的任务
6.3.1 知识图谱补全
6.3.2 知识图谱去噪
6.4 基于逻辑的知识推理
6.5 基于统计的知识推理
6.5.1 基于隐特征的实体关系学习
6.5.2 基于图特征的实体关系学习
6.5.3 实体类型推理
6.6 基于神经网络的知识推理
6.6.1 基于语义的推理
6.6.2 基于结构的推理
6.6.3 基于辅助存储的推理
6.7 知识推理应用
本章小结
第2部分 智能问答技术
第7章 智能问答技术概况
7.1 智能问答背景及意义
7.2 智能问答研究现状
7.3 智能问答关键技术
7.4 智能问答系统框架及流程
7.4.1 智能问答系统框架
7.4.2 问句理解
7.4.3 答案检索
本章小结
第8章 智能问答基础知识
8.1 句法分析
8.2 机器学习算法
8.2.1 CRF算法
8.2.2 最大熵算法
本章小结
第9章 问句理解
9.1 语料收集
9.2 问句介绍
9.3 词法分析
9.3.1 中文分词
9.3.2 词性标注
9.4 问句分类
9.4.1 问句分类流程及原理
9.4.2 问句分类实验结果与分析
9.5 主体识别
9.5.1 人物类问句的主体识别
9.5.2 非人物类问句的主体识别
9.5.3 主体识别实验结果与分析
9.6 谓词识别
9.6.1 谓词词典构建
9.6.2 基于谓词词典和句法分析结合的谓词识别
9.6.3 谓词识别实验结果与分析
9.7 谓词消歧
9.8 问句元转换
9.8.1 问句元转换规则
9.8.2 问句元转换实验结果与分析
本章小结
第3部分 基于知识库的智能问答系统
第10章 答案检索
10.1 知识获取
10.2 基于RDF知识库的答案检索
10.2.1 SPARQL简介
10.2.2 SPARQL结构化查询语句
10.2.3 SPARQL结构化查询模板
10.2.4 答案提取
10.3 基于Web的答案检索方法
本章小结
第11章 智能问答系统部署与演示
11.1 系统部署
11.2 答案检索过程
本章小结
参考文献
展开
