文章目录

第一章 概述1.1 什么是知识图谱1.2 知识图谱发展历程1.3 知识图谱类型1.4 知识图谱生命周期1.4.1 知识体系构建1.4.2 知识获取1.4.3 知识融合1.4.4 知识存储1.4.5 知识推理1.4.6 知识应用1.5 知识图谱与深度学习1.6 小结第二章 知识表示2.1 经典知识表示理论2.1.1 逻辑2.1.2 语义网络2.1.3 框架2.1.4 脚本2.2 语义网络中的知识表示方法2.2.1 语义网表示方法2.2.2 语义网知识描述体系2.2.2.1 XML2.2.2.2 RDF2.2.2.3 OWL2.3 知识图谱中的知识表示方法2.3.1 表示框架2.3.2 Freebase中的知识框架2.4 知识图谱的数值化表示方法2.4.1 符号的数值化表示2.4.2 文本的数值化表示2.4.3 知识图谱的数值化表示2.4.3.1 基于张量分解的表示学习方法2.4.3.2 基于能量函数的表示学习方法2.5 小结第三章 知识体系的构建和知识融合3.1 知识体系构建3.1.1 人工构建方法3.1.2 自动构建方法3.1.3 典型知识体系3.2 知识融合3.2.1 框架匹配3.2.2 实体对齐3.2.3 冲突检测与消解3.2.4 典型知识融合系统3.3 小结第四章 实体识别和扩展4.1 实体识别4.1.1 任务概述4.1.2 基于规则的实体识别方法4.1.3 基于机器学习的实体识别--基于特征的方法4.1.4 基于机器学习的实体识别--基于神经网络的方法4.2 细粒度实体识别4.2.1 任务概述4.2.2 细粒度实体识别方法4.3 实体扩展4.3.1 任务概述4.3.2 实体扩展方法4.4 小结第五章 实体消歧5.1 任务概述5.1.1 任务定义5.1.2 任务分类5.1.3 相关评测5.2 基于聚类的实体消歧方法5.2.1 基于表层特征的实体指称项相似度计算5.2.2 基于扩展特征的实体指称项相似度计算5.2.3 基于社会化网络的实体指称项相似度计算5.3 基于实体链接的实体消歧方法5.3.1 链接候选过滤方法5.3.2 实体链接方法5.4 面向结构化文本的实体消歧方法5.5 小结第六章 关系抽取6.1 任务概述6.1.1 任务定义6.1.2 任务分类6.1.3 任务难点6.1.4 相关评测6.2 限定域关系抽取6.2.1 基于模板的关系抽取方法6.2.2 基于机器学习的关系抽取方法6.2.2.1 有监督的关系抽取方法6.2.2.2 弱监督的关系抽取方法6.3 开放域关系抽取6.4 小结第七章 事件抽取7.1 任务概述7.2 限定域事件抽取7.2.1 基于模式匹配的事件抽取方法7.2.1.1 有监督的事件模式匹配7.2.1.2 弱监督的事件模式匹配7.2.2 基于机器学习的事件抽取方法7.2.2.1 有监督事件抽取方法7.2.2.2 弱监督事件抽取方法7.3 开放域事件抽取7.3.1 基于内容特征的事件抽取方法7.3.2 基于异常检测的事件抽取方法7.4 事件关系抽取7.4.1 事件共指关系抽取7.4.2 事件因果关系抽取7.4.3 子事件关系抽取7.4.4 事件时序关系抽取7.5 小结第八章 知识存储和检索8.1 知识图谱的存储8.1.1 基于表结构的存储8.1.1.1 三元组表8.1.1.2 类型表8.1.1.3 关系数据库8.1.2 基于图结构的存储8.1.2.1 基于图结构的存储模型8.1.2.2 常用图数据库介绍8.2 知识图谱的检索8.2.1 常见形式化查询语言8.2.1.1 SQL语言8.2.1.2 SPARQL语言8.2.2 图检索技术8.2.2.1 子图筛选8.2.2.2 子图同构判定8.3 小结第九章 知识推理9.1 知识图谱中的典型推理任务9.1.1 知识补全9.1.2 知识问答9.2 知识推理分类9.2.1 归纳推理和演绎推理9.2.1.1 归纳推理9.2.1.2 演绎推理9.2.2 确定性推理与不确定性推理9.2.2.1 确定性推理9.2.2.2 不确定性推理9.3 基于符号演算的推理9.3.1 归纳推理：学习推理规则9.3.1.1 频繁子图挖掘9.3.1.2 归纳逻辑编程9.3.1.3 结构学习方法9.3.2 演绎推理：推理具体事实9.3.2.1 确定性推理：λ演算9.3.2.2 不确定性推理：马尔科夫逻辑网和概率软逻辑9.4 基于数值计算的推理9.4.1 基于张量分解的方法9.4.2 基于能量函数的方法9.5 符号演算和数值计算的融合推理9.6 常识知识推理9.7 小结第十章 知识问答与对话10.1 自动问答概述10.2 知识问答10.2.1 知识问答技术概述10.2.2 基于语义解析的方法10.2.2.1 有监督方法10.2.2.2 无监督方法10.2.3 基于搜索排序的方法10.2.3.1 基于特征工程的方法10.2.3.2 基于表示学习的神经网络方法10.2.4 常用评测数据及各方法性能比较10.3 知识对话10.3.1 知识对话技术概述10.3.2 任务导向型对话模型10.3.2.1 自然语言理解10.3.2.2. 对话管理10.3.2.3 自然语言生成10.3.3 通用对话模型10.3.3.1 基于模板的方法10.3.3.2 端到端的方法10.3.4 评价方法10.4 小结参考文献

第一章 概述

1.1 什么是知识图谱

1.2 知识图谱发展历程

1.3 知识图谱类型

1.4 知识图谱生命周期

1.4.1 知识体系构建

1.4.2 知识获取

1.4.3 知识融合

1.4.4 知识存储

1.4.5 知识推理

1.4.6 知识应用

1.5 知识图谱与深度学习

1.6 小结

第二章 知识表示

2.1 经典知识表示理论

2.1.1 逻辑

2.1.2 语义网络

2.1.3 框架

2.1.4 脚本

2.2 语义网络中的知识表示方法

2.2.1 语义网表示方法

2.2.2 语义网知识描述体系

2.2.2.1 XML

2.2.2.2 RDF

2.2.2.3 OWL

2.3 知识图谱中的知识表示方法

2.3.1 表示框架

2.3.2 Freebase中的知识框架

2.4 知识图谱的数值化表示方法

2.4.1 符号的数值化表示

2.4.2 文本的数值化表示

2.4.3 知识图谱的数值化表示

2.4.3.1 基于张量分解的表示学习方法

2.4.3.2 基于能量函数的表示学习方法

2.5 小结

第三章 知识体系的构建和知识融合

3.1 知识体系构建

3.1.1 人工构建方法

3.1.2 自动构建方法

3.1.3 典型知识体系

3.2 知识融合

3.2.1 框架匹配

3.2.2 实体对齐

3.2.3 冲突检测与消解

3.2.4 典型知识融合系统

3.3 小结

第四章 实体识别和扩展

4.1 实体识别

4.1.1 任务概述

4.1.2 基于规则的实体识别方法

4.1.3 基于机器学习的实体识别–基于特征的方法

4.1.4 基于机器学习的实体识别–基于神经网络的方法

4.2 细粒度实体识别

4.2.1 任务概述

4.2.2 细粒度实体识别方法

4.3 实体扩展

4.3.1 任务概述

4.3.2 实体扩展方法

4.4 小结

第五章 实体消歧

5.1 任务概述

5.1.1 任务定义

5.1.2 任务分类

5.1.3 相关评测

5.2 基于聚类的实体消歧方法

5.2.1 基于表层特征的实体指称项相似度计算

5.2.2 基于扩展特征的实体指称项相似度计算

5.2.3 基于社会化网络的实体指称项相似度计算

5.3 基于实体链接的实体消歧方法

5.3.1 链接候选过滤方法

5.3.2 实体链接方法

5.4 面向结构化文本的实体消歧方法

5.5 小结

第六章 关系抽取

6.1 任务概述

6.1.1 任务定义

6.1.2 任务分类

6.1.3 任务难点

6.1.4 相关评测

6.2 限定域关系抽取

6.2.1 基于模板的关系抽取方法

6.2.2 基于机器学习的关系抽取方法

6.2.2.1 有监督的关系抽取方法

6.2.2.2 弱监督的关系抽取方法

6.3 开放域关系抽取

6.4 小结

第七章 事件抽取

7.1 任务概述

7.2 限定域事件抽取

7.2.1 基于模式匹配的事件抽取方法

7.2.1.1 有监督的事件模式匹配

7.2.1.2 弱监督的事件模式匹配

7.2.2 基于机器学习的事件抽取方法

7.2.2.1 有监督事件抽取方法

7.2.2.2 弱监督事件抽取方法

7.3 开放域事件抽取

7.3.1 基于内容特征的事件抽取方法

7.3.2 基于异常检测的事件抽取方法

7.4 事件关系抽取

7.4.1 事件共指关系抽取

7.4.2 事件因果关系抽取

7.4.3 子事件关系抽取

7.4.4 事件时序关系抽取

7.5 小结

第八章 知识存储和检索

8.1 知识图谱的存储

8.1.1 基于表结构的存储

8.1.1.1 三元组表

8.1.1.2 类型表

8.1.1.3 关系数据库

8.1.2 基于图结构的存储

8.1.2.1 基于图结构的存储模型

8.1.2.2 常用图数据库介绍

8.2 知识图谱的检索

8.2.1 常见形式化查询语言

8.2.1.1 SQL语言

8.2.1.2 SPARQL语言

8.2.2 图检索技术

8.2.2.1 子图筛选

8.2.2.2 子图同构判定

8.3 小结

第九章 知识推理

9.1 知识图谱中的典型推理任务

9.1.1 知识补全

9.1.2 知识问答

9.2 知识推理分类

9.2.1 归纳推理和演绎推理

9.2.1.1 归纳推理

9.2.1.2 演绎推理

9.2.2 确定性推理与不确定性推理

9.2.2.1 确定性推理

9.2.2.2 不确定性推理

9.3 基于符号演算的推理

9.3.1 归纳推理：学习推理规则

9.3.1.1 频繁子图挖掘

9.3.1.2 归纳逻辑编程

9.3.1.3 结构学习方法

9.3.2 演绎推理：推理具体事实

9.3.2.1 确定性推理：λ演算

9.3.2.2 不确定性推理：马尔科夫逻辑网和概率软逻辑

9.4 基于数值计算的推理

9.4.1 基于张量分解的方法

9.4.2 基于能量函数的方法

9.5 符号演算和数值计算的融合推理

9.6 常识知识推理

9.7 小结

第十章 知识问答与对话

10.1 自动问答概述

10.2 知识问答

10.2.1 知识问答技术概述

10.2.2 基于语义解析的方法

10.2.2.1 有监督方法

10.2.2.2 无监督方法

10.2.3 基于搜索排序的方法

10.2.3.1 基于特征工程的方法

10.2.3.2 基于表示学习的神经网络方法

10.2.4 常用评测数据及各方法性能比较

10.3 知识对话

10.3.1 知识对话技术概述

10.3.2 任务导向型对话模型

10.3.2.1 自然语言理解

10.3.2.2. 对话管理

10.3.2.3 自然语言生成

10.3.3 通用对话模型

10.3.3.1 基于模板的方法

10.3.3.2 端到端的方法

10.3.4 评价方法

10.4 小结

参考文献

如果觉得《《知识图谱》赵军 目录》对你有帮助，请点赞、收藏，并留下你的观点哦！