王晓玲，华东师范大学计算机科学与技术学院教授，教育部新世纪人才计划获得者。她目前是装发专业组专家、《信息技术 人工智能 知识工程参考架构》国际标准草案 专家组成员、中国计算机学会数据库专委会委员、中国中文信息学会语言与知识计算专委会委员、中国航空学会信息融合分会委员。她的研究方向为数据管理技术、知识图谱、推荐技术、数据分析及隐私保护技术。目前，担任《Frontier of Computer Science》的青年编委。在SIGMOD、SIGIR、AAAI、IJCAI、ICDE、WWW、ICWS、CIKM、DASFAA、APWEB等国际重要学术会议上发表篇论文六十余篇，在IEEE TKDE、JWSR、WWWJ、JCST、《计算机学报》、《软件学报》等国内外学术期刊上发表论文五十余篇。主持科技部、工信部、国家自然科学基金委等国家级和省部级项目20余项（包括5项国家自然科学基金项目、2项国家重点项目等），4次荣获省部级科技进步奖，9次获得会议优秀论文称号，获得发明专利7项，获得软件著作权22项，出版英文专著2本。

本书围绕多源知识融合技术展开，系统地介绍了多源知识融合的基本概念、关键技 术、应用场景和发展趋势。书中涵盖当前主流的多模态数据处理技术，这些技术能够实 现跨模态信息检索，从而消除不同数据源之间的语义隔阂，促进知识的互通与共享。 本书首先详细讲解了文本、图像、信号和视频等不同模态数据的知识获取方法；然 后重点探讨了多模态数据的语义表示与检索，以及多模态知识图谱的融合方法；最后探 讨了多源知识融合技术在推荐系统、知识问答、辅助决策等前沿领域的应用及相关技术 挑战与未来展望，并通过实际案例展示了多源知识融合技术如何赋能领域应用。

第1 章 多源知识融合概述・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．001
1．1 多源知识融合的应用背景・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．001
1．2 多源知识融合的相关技术・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．002
1．3 多源知识融合技术的应用・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．004
1．4 知识融合技术的发展前景・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．005
第2 章 文本数据的知识获取・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．007
2．1 文本知识抽取任务的定义・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．007
2．1．1 实体识别的定义・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．007
2．1．2 关系抽取的定义・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．008
2．2 文本知识抽取的常用方法・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．008
2．2．1 实体识别的常用方法・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．008
2．2．2 关系抽取的常用方法・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．013
2．3 常用数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．018
2．3．1 实体识别数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．018
2．3．2 关系抽取数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．019
2．4 技术挑战与未来展望・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．020
2．5 本章小结・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．021
参考文献・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．021
第3 章 图像数据的知识获取・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．025
3．1 图像知识表征方法・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．025
3．1．1 传统的图像知识表征方法・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．026
3．1．2 基于深度神经网络的图像知识表征方法・・・・・・・・・・・・・・・・・・・・・・・．027
3．2 图像知识抽取任务・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．029
3．2．1 目标检测・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．029
3．2．2 关键点检测・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．033
3．2．3 图像分割・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．035
3．2．4 图像生成・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．037
3．3 常用数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．039
3．3．1 ImageNet 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．039
3．3．2 COCO 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．039
3．3．3 Open Images 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．040
3．3．4 MSTAR 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．040
3．4 技术挑战与未来展望・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．040
3．5 本章小结・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．041
参考文献・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．041
第4 章 信号数据的知识获取・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．045
4．1 信号数据的定义及特点・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．045
4．2 信号数据知识表征・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．047
4．2．1 传统的信号数据知识表征方法・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．047
4．2．2 基于深度神经网络的信号数据知识表征方法・・・・・・・・・・・・・・・・・．050
4．3 信号数据知识抽取任务・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．054
4．3．1 信号分类・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．054
4．3．2 信号生成・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．056
4．3．3 长期预测・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．056
4．3．4 异常检测・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．057
4．3．5 语音识别・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．057
4．4 常用数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．059
4．4．1 UCI-HAR 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．059
4．4．2 SEED 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．059
4．4．3 ETT 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．060
4．4．4 SWaT 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．060
4．4．5 LibriSpeech 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．060
4．4．6 MTAD 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．060
4．5 技术挑战与未来展望・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．060
4．6 本章小结・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．061
参考文献・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．061
第5 章 视频数据的知识获取・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．063
5．1 视频知识的含义・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．063
5．2 视频内容知识抽取任务・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．064
5．2．1 时序动作分类・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．064
5．2．2 时序动作检测・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．066
5．3 高层语义分析任务・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．068
5．3．1 视频摘要生成与事件高亮片段检测・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．068
5．3．2 视频中的人物重识别与检索・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．071
5．3．3 视频中的人物关系识别・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．072
5．3．4 视频中的人物微表情分析・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．074
5．3．5 视频中的片段检索・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．075
5．4 常用数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．077
5．4．1 视频动作分类数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．077
5．4．2 时序动作检测数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．077
5．4．3 视频检索数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．078
5．5 技术挑战与未来展望・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．079
5．6 本章小结・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．079
参考文献・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．080
第6 章 多模态数据的语义表示与检索・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．082
6．1 跨模态检索任务的核心概念・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．082
6．2 多模态数据的语义表示方法・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．084
6．2．1 实值表示学习・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．084
6．2．2 二值表示学习・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．085
6．3 跨模态检索方法・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．086
6．3．1 基于传统方法的跨模态检索・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．086
6．3．2 基于深度学习的跨模态检索・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．089
6．4 跨模态检索的数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．102
6．4．1 NUS-WIDE 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．102
6．4．2 COCO 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．102
6．4．3 Flickr30k 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．103
6．4．4 MUGE 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．103
6．4．5 WuDaoMM 数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．103
6．5 跨模态检索的评估标准・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．104
6．5．1 mAP・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．104
6．5．2 Precision-Recall ・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．104
6．5．3 Precision-TopK ・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．105
6．5．4 Recall@K ・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．106
6．6 跨模态检索任务的典型应用・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．106
6．6．1 跨模态食谱检索・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．106
6．6．2 跨模态人脸检索・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．107
6．7 技术挑战与未来展望・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．108
6．8 本章小结・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．108
参考文献・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．109
第7 章 多模态知识图谱的融合・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．111
7．1 多源知识图谱融合的定义・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．111
7．2 多模态知识图谱融合方法・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．112
7．2．1 本体匹配・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．112
7．2．2 实体对齐・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．113
7．2．3 实体链接・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．115
7．2．4 真值发现・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．116
7．3 工具软件和评测数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．117
7．4 技术挑战与未来展望・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．118
7．5 本章小结・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．119
参考文献・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．119
第8 章 基于多模态知识的推荐系统・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．122
8．1 推荐系统和多模态推荐・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．122
8．1．1 推荐系统的任务定义・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．122
8．1．2 多模态推荐的任务定义・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．123
8．2 多模态推荐的特征提取・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．124
8．3 基于矩阵分解的多模态推荐・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．126
8．4 基于注意力网络的多模态推荐・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．127
8．5 基于图神经网络的多模态推荐・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．128
8．5．1 基于异质图融合的多模态推荐・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．129
8．5．2 基于同质图融合的多模态推荐・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．129
8．6 多模态推荐的模态融合・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．131
8．6．1 早期融合・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．131
8．6．2 晚期融合・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．132
8．6．3 中间融合・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．132
8．7 多模态推荐的常用数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．132
8．8 技术挑战与未来展望・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．133
8．9 本章小结・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．134
参考文献・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．134
第9 章 知识问答系统・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．137
9．1 基于流水线方法的知识问答系统・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．137
9．1．1 多源问题解析和查询生成・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．138
9．1．2 信息检索与答案生成・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．141
9．2 基于端到端方法的知识问答系统・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．144
9．2．1 基于表示学习的方法・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．145
9．2．2 基于深度学习的方法・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．147
9．2．3 基于知识的回复改写方法・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．155
9．3 知识问答系统的应用・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．157
9．3．1 多轮对话系统的设计方案・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．157
9．3．2 多轮对话系统的架构・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．159
9．3．3 多轮对话系统应用示例・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．160
9．4 知识问答系统的常用数据集・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．164
9．5 技术挑战与未来展望・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．165
9．6 本章小结・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．166
参考文献・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．166
第10 章 基于多源知识的辅助决策系统・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．169
10．1 基于多源知识的推理与决策・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．169
10．1．1 基于规则的推理・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．169
10．1．2 基于表示学习的推理・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．173
10．1．3 基于知识的时空数据挖掘计算・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．175
10．1．4 基于时空知识图谱的异常挖掘・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．177
10．2 辅助决策系统在军事领域的应用实例・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．180
10．2．1 态势分析与预警・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．181
10．2．2 敌我事件发展趋势分析・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．182
10．2．3 重点目标全维画像与意图分析・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．182
10．2．4 基于多源知识图谱的情报分析・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．185
10．3 技术挑战与未来展望・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．187
10．4 本章小结・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．188
参考文献・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・・．18