第1章 知识图谱概述 0__eol__1.1 从李白的《静夜思》开始 2__eol__1.2 什么是知识图谱 3__eol__1.3 DIKW模型 6__eol__1.4 从DIKW模型到知识图谱 8__eol__1.5 知识图谱技术体系 9__eol__1.5.1 知识图谱模式设计与管理 11__eol__1.5.2 知识图谱构建技术 11__eol__1.5.3 知识图谱存储技术 13__eol__1.5.4 知识图谱应用技术 14__eol__1.5.5 用户接口与界面 17__eol__1.6 知识图谱辨析 17__eol__1.6.1 知识图谱与自然语言处理 18__eol__1.6.2 知识图谱与图数据库 20__eol__1.6.3 知识图谱与语义网络 20__eol__1.6.4 知识图谱与搜索引擎 21__eol__1.6.5 知识图谱与深度学习 21__eol__1.7 知识图谱是人工智能进步的阶梯 22__eol__1.7.1 明鉴历史 23__eol__1.7.2 预见未来 26__eol__1.8 本章小结 27__eol____eol__第2章 知识图谱模式设计 30__eol__2.1 知识图谱模式 32__eol__2.2 模式与本体 35__eol__2.2.1 本体 35__eol__2.2.2 模式与本体辨析 37__eol__2.3 本体概论 38__eol__2.3.1 本体的构成要素 39__eol__2.3.2 本体分类 40__eol__2.3.3 资源描述框架RDF 41__eol__2.3.4 网络本体语言OWL 42__eol__2.3.5 知名本体介绍 44__eol__2.4 模式设计的三大基本原则 52__eol__2.4.1 赋予一类事物合适的名字 53__eol__2.4.2 建立事物间清晰的联系 54__eol__2.4.3 明确、正式的语义表达 55__eol__2.5 六韬法 56__eol__2.5.1 场景 58__eol__2.5.2 复用 59__eol__2.5.3 事物 63__eol__2.5.4 联系 65__eol__2.5.5 约束 67__eol__2.5.6 评价 71__eol__2.6 模式设计的工程模型 72__eol__2.6.1 瀑布模型 72__eol__2.6.2 螺旋模型 74__eol__2.7 本章小结 76__eol____eol__第3章 实体抽取 78__eol__3.1 实体、命名实体和实体抽取 80__eol__3.2 基于规则的实体抽取 82__eol__3.2.1 基于词典匹配的实体抽取方法 83__eol__3.2.2 编写正则表达式抽取实体 84__eol__3.2.3 基于模板的实体抽取方法 85__eol__3.3 如何评价实体抽取的效果 88__eol__3.4 传统机器学习方法 91__eol__3.4.1 概率图模型 92__eol__3.4.2 朴素贝叶斯模型 93__eol__3.4.3 最大熵模型 95__eol__3.4.4 隐马尔可夫模型 100__eol__3.4.5 条件随机场 102__eol__3.4.6 标记方法 106__eol__3.4.7 用CRF++进行实体抽取 108__eol__3.5 深度学习方法 114__eol__3.5.1 基于深度学习的通用实体抽取框架 114__eol__3.5.2 BiLSTM-CRF模型 117__eol__3.5.3 预训练模型用于实体抽取 122__eol__3.6 弱监督学习方法 134__eol__3.7 本章小结 136__eol____eol__第4章 关系抽取 138__eol__4.1 关系和关系抽取 140__eol__4.2 基于规则的关系抽取方法 145__eol__4.2.1 词法分析与依存句法分析 146__eol__4.2.2 基于语法结构的关系抽取 149__eol__4.3 基于深度学习的关系抽取方法 154__eol__4.3.1 关系分类 154__eol__4.3.2 基于BERT的关系分类 158__eol__4.4 实体-关系联合抽取的方法 161__eol__4.4.1 实体-关系联合抽取方法 162__eol__4.4.2 基于片段预测的实体-关系联合抽取 165__eol__4.5 弱监督学习与关系抽取 171__eol__4.5.1 引导法 171__eol__4.5.2 远程监督 174__eol__4.5.3 弱监督学习与Snorkel 176__eol__4.5.4 Snorkel用于关系抽取 179__eol__4.6 本章小结 184__eol____eol__第5章 知识存储 186__eol__5.1 数据与知识存储 188__eol__5.1.1 数据存储模型 188__eol__5.1.2 知识存储极简史 189__eol__5.2 图数据库模型 193__eol__5.2.1 属性图模型 193__eol__5.2.2 完整性约束 196__eol__5.2.3 事务、ACID与BASE 200__eol__5.2.4 查询语言 202__eol__5.3 JanusGraph分布式图数据库 202__eol__5.3.1 JanusGraph的存储模型 205__eol__5.3.2 JanusGraph的属性图模式 209__eol__5.3.3 事务和故障恢复 220__eol__5.3.4 图查询语言Gremlin 221__eol__5.3.5 JanusGraph和Gremlin入门指南 222__eol__5.4 其他图数据库介绍 235__eol__5.4.1 Neo4j 236__eol__5.4.2 Dgraph 239__eol__5.4.3 NebulaGraph 243__eol__5.4.4 图数据对比一览表 246__eol__5.5 本章小结 248__eol____eol__第6章 知识计算 250__eol__6.1 知识计算及其数学基础 252__eol__6.1.1 知识图谱与图 252__eol__6.1.2 图论 253__eol__6.1.3 邻接矩阵 256__eol__6.1.4 谱图理论 257__eol__6.2 遍历与最短路径算法 258__eol__6.2.1 广度优先搜索 258__eol__6.2.2 深度优先搜索 260__eol__6.2.3 Dijkstra单源最短路径 262__eol__6.2.4 最短路径快速算法 265__eol__6.2.5 Floyd算法 268__eol__6.3 中心性 270__eol__6.3.1 度中心性 270__eol__6.3.2 亲密中心性 272__eol__6.3.3 中介中心性 274__eol__6.3.4 特征向量中心性 279__eol__6.3.5 PageRank 281__eol__6.4 社区检测 284__eol__6.4.1 模块度 286__eol__6.4.2 GN社区检测算法 290__eol__6.4.3 Louvain社区检测算法 291__eol__6.5 知识计算工具与系统 297__eol__6.5.1 图数据库计算框架 297__eol__6.5.2 分布式图计算引擎 298__eol__6.5.3 图分析工具包 298__eol__6.6 本章小结 299__eol____eol__第7章 知识推理 300__eol__7.1 知识的表示与推理 302__eol__7.1.1 因果推理 303__eol__7.1.2 演绎推理 303__eol__7.1.3 归纳推理 304__eol__7.1.4 概率推理 305__eol__7.1.5 知识图谱的推理技术 306__eol__7.2 基于规则和逻辑的知识推理方法 308__eol__7.2.1 基于规则的方法 308__eol__7.2.2 基于逻辑的方法 311__eol__7.2.3 定性时空推理 313__eol__7.3 几何空间嵌入的知识推理方法 316__eol__7.3.1 欧几里得空间的平移变换方法 317__eol__7.3.2 复数向量空间的RotatE模型 330__eol__7.3.3 双曲空间嵌入的知识推理方法 334__eol__7.4 知识推理的深度学习方法 353__eol__7.4.1 卷积神经网络的知识推理方法 353__eol__7.4.2 图神经网络模型 358__eol__7.5 本章小结 368__eol____eol__第8章 知识图谱行业应用 370__eol__8.1 行业知识图谱 372__eol__8.1.1 行业知识图谱的特点 372__eol__8.1.2 行业知识图谱的应用价值 376__eol__8.2 知识图谱行业应用范式 382__eol__8.3 共通的应用程序 385__eol__8.3.1 数据与知识中台 385__eol__8.3.2 可视化与交互式分析 388__eol__8.