在信息爆炸的時(shí)代，如何有效地組織與利用海量知識(shí)是一個(gè)亟待解決的問題。知識(shí)圖譜的出現(xiàn)為知識(shí)的表示、存儲(chǔ)、推理和應(yīng)用提供了一種新范式，而知識(shí)超圖是知識(shí)圖譜的拓展，融合了層次化表示、超邊結(jié)構(gòu)、時(shí)間節(jié)點(diǎn)、事理節(jié)點(diǎn)等概念，可以顯著地?cái)U(kuò)充知識(shí)圖譜的內(nèi)涵與功能。本書系統(tǒng)地介紹筆者在知識(shí)超圖理論、技術(shù)、平臺(tái)上的研究成果，包括知識(shí)圖譜的基本概念、知識(shí)超圖模型與構(gòu)建、知識(shí)超圖管理與評(píng)估、知識(shí)超圖推理、知識(shí)超圖平臺(tái)設(shè)計(jì)與實(shí)現(xiàn)、知識(shí)超圖平臺(tái)應(yīng)用等，并以無人機(jī)實(shí)際應(yīng)用場(chǎng)景為實(shí)例貫穿全書。全書結(jié)構(gòu)完整、內(nèi)容翔實(shí)，從多個(gè)角度為讀者展現(xiàn)知識(shí)超圖技術(shù)顯著的學(xué)術(shù)價(jià)值和廣泛的應(yīng)用場(chǎng)景，以及其在國防領(lǐng)域的重要應(yīng)用潛力。
更多科學(xué)出版社服務(wù)，請(qǐng)掃碼獲取。
1. ****智能發(fā)現(xiàn)與預(yù)測(cè)關(guān)鍵技術(shù)及應(yīng)用，教育部科學(xué)技術(shù)進(jìn)步一等獎(jiǎng)，2022年，排名第1（本書依托項(xiàng)目）
目錄
第1章 知識(shí)圖譜概念與發(fā)展 1
1.1 源起 1
1.2 概念類型 3
1.2.1 概念內(nèi)涵與外延 3
1.2.2 早期知識(shí)庫 4
1.2.3 開放知識(shí)圖譜 4
1.2.4 中文知識(shí)圖譜 5
1.2.5 領(lǐng)域知識(shí)圖譜 6
1.3 研究方向及熱點(diǎn) 7
1.3.1 知識(shí)表示學(xué)習(xí) 7
1.3.2 知識(shí)獲取與融合 8
1.3.3 知識(shí)推理 9
1.3.4 知識(shí)應(yīng)用 10
1.4 其他類型知識(shí)圖譜 14
1.4.1 與或圖 14
1.4.2 常識(shí)知識(shí)圖譜 15
1.4.3 時(shí)序知識(shí)圖譜 16
1.4.4 事理圖譜 16
1.4.5 五元知識(shí)庫 17
1.5 本章小結(jié) 18
參考文獻(xiàn) 18
第2章 知識(shí)超圖模型與構(gòu)建 19
2.1 知識(shí)超圖模型 19
2.1.1 知識(shí)超圖基本概念 19
2.1.2 知識(shí)超圖架構(gòu) 21
2.1.3 知識(shí)超圖模式設(shè)計(jì) 23
2.1.4 知識(shí)超圖推理復(fù)雜度分析 25
2.2 知識(shí)抽取與挖掘 26
2.2.1 實(shí)體識(shí)別 27
2.2.2 關(guān)系抽取 29
2.2.3 屬性抽取 31
2.2.4 事件抽取 34
2.3 知識(shí)超圖構(gòu)建 36
2.3.1 事理層構(gòu)建 37
2.3.2 概念層構(gòu)建及映射關(guān)系構(gòu)建 40
2.3.3 實(shí)例層構(gòu)建 43
2.4 本章小結(jié) 46
參考文獻(xiàn) 46
第3章 知識(shí)超圖管理與評(píng)估 47
3.1 知識(shí)超圖融合 47
3.1.1 知識(shí)超圖融合任務(wù)的定義 47
3.1.2 真值發(fā)現(xiàn) 49
3.1.3 實(shí)體鏈接 51
3.1.4 本體匹配 54
3.1.5 實(shí)體融合 55
3.2 存儲(chǔ)與更新 57
3.2.1 關(guān)系數(shù)據(jù)庫存儲(chǔ) 58
3.2.2 圖數(shù)據(jù)庫存儲(chǔ) 59
3.2.3 知識(shí)超圖更新 60
3.3 知識(shí)超圖質(zhì)量評(píng)估 63
3.3.1 評(píng)估維度 64
3.3.2 評(píng)估方法 66
3.4 本章小結(jié) 67
參考文獻(xiàn) 67
第4章 知識(shí)圖譜與知識(shí)超圖的典型應(yīng)用 68
4.1 語義搜索 68
4.2 自然語言問答 69
4.3 智能推薦 72
4.4 知識(shí)推理技術(shù) 75
4.4.1 基于邏輯規(guī)則的推理 76
4.4.2 基于嵌入表示的推理 78
4.4.3 基于神經(jīng)網(wǎng)絡(luò)的推理 81
4.4.4 深度強(qiáng)化學(xué)習(xí)方法 87
4.4.5 基于對(duì)比學(xué)習(xí)的知識(shí)圖譜推理方法 89
4.5 本章小結(jié) 90
參考文獻(xiàn) 90
第5章 基于知識(shí)超圖的推理決策 92
5.1 基于模型自動(dòng)構(gòu)建的推理 92
5.1.1 任務(wù)描述 92
5.1.2 模型自動(dòng)構(gòu)建經(jīng)典方法 95
5.1.3 推理框架 96
5.1.4 推理實(shí)例 101
5.2 基于知識(shí)超圖的混合推理 101
5.2.1 混合推理的任務(wù)描述 101
5.2.2 知識(shí)混合推理典型方法 102
5.2.3 知識(shí)圖譜混合推理框架 103
5.2.4 知識(shí)問答案例 108
5.3 本章小結(jié) 112
第6章 知識(shí)超圖平臺(tái)設(shè)計(jì) 113
6.1 典型圖數(shù)據(jù)庫 113
6.1.1 Neo4j 113
6.1.2 ArangoDB 114
6.1.3 Dgraph 114
6.1.4 主流圖數(shù)據(jù)庫對(duì)比 115
6.2 總體設(shè)計(jì) 116
6.2.1 框架設(shè)計(jì) 116
6.2.2 集群設(shè)計(jì) 118
6.3 數(shù)據(jù)設(shè)計(jì) 119
6.3.1 數(shù)據(jù)模型 119
6.3.2 數(shù)據(jù)邏輯結(jié)構(gòu) 121
6.3.3 數(shù)據(jù)存儲(chǔ)結(jié)構(gòu) 123
6.4 功能設(shè)計(jì) 127
6.4.1 外部視圖 127
6.4.2 內(nèi)部視圖 127
6.4.3 主要功能流程圖 128
6.5 本章小結(jié) 133
參考文獻(xiàn) 133
第7章 知識(shí)超圖平臺(tái)實(shí)現(xiàn) 134
7.1 功能列表 134
7.2 知識(shí)超圖模型構(gòu)建 135
7.2.1 類型管理 135
7.2.2 對(duì)象創(chuàng)建 137
7.2.3 超圖展示 140
7.2.4 路徑查詢 140
7.2.5 拓展查詢 142
7.3 知識(shí)抽取及超圖融合 143
7.3.1 實(shí)體關(guān)系識(shí)別 143
7.3.2 實(shí)體關(guān)系核驗(yàn) 143
7.3.3 超圖融合 146
7.4 知識(shí)推理 147
7.4.1 相似事件推薦 147
7.4.2 歸納推理 148
7.4.3 演繹推理 149
7.5 本章小結(jié) 149
第8章 知識(shí)超圖平臺(tái)應(yīng)用案例 150
8.1 應(yīng)用案例概述 150
8.2 影響要素分析 151
8.2.1 要素體系梳理 151
8.2.2 關(guān)鍵要素選取 152
8.3 數(shù)據(jù)獲取與處理 153
8.3.1 數(shù)據(jù)源選取 153
8.3.2 數(shù)據(jù)采集 154
8.3.3 數(shù)據(jù)預(yù)處理 155
8.4 知識(shí)超圖構(gòu)建實(shí)例 157
8.4.1 知識(shí)體系梳理 157
8.4.2 關(guān)聯(lián)關(guān)系完善 158
8.4.3 知識(shí)體系更新 159
8.5 基于知識(shí)超圖的事件預(yù)測(cè) 160
8.5.1 預(yù)測(cè)場(chǎng)景：某地衛(wèi)星發(fā)射預(yù)測(cè) 160
8.5.2 可預(yù)測(cè)性驗(yàn)證 160
8.5.3 預(yù)測(cè)模型自動(dòng)優(yōu)化 163
8.6 基于知識(shí)超圖的推理決策 165
8.6.1 數(shù)據(jù)獲取 165
8.6.2 知識(shí)抽取 166
8.6.3 知識(shí)體系構(gòu)建 168
8.6.4 事件預(yù)測(cè) 169
8.7 本章小結(jié) 170
參考文獻(xiàn) 170
書單推薦
