知识图谱导论

知识图谱的发展历史源远流长，从经典人工智能的核心命题——知识工程，到互联网时代的语义Web，再到当下很多领域构建的数千亿级别的现代知识图谱。知识图谱兼具人工智能、大数据和互联网的多重技术基因，是知识表示、表示学习、自然语言处理、图数据库和图计算等多个领域技术的综合集成。本书全面覆盖了知识图谱的表示、存储、获取、推理、融合、问答和分析等七大方面，一百多个基础知识点的内容，同时囊括多模态知识图谱、知识图谱与图神经网络的融合、本体表示学习、事理知识图谱，以及知识增强的语言预训练模型等新热点、新发展。作为一本导论性质的书，本书希望帮助初学者梳理知识图谱的基本知识点和关键技术要素，也希望帮助技术决策者建立知识图谱的整体视图和系统工程观，为前沿科研人员拓展创新视野和研究方向。本书在技术广度和深度上兼具极强的参考性，适合高等院校的计算机专业师生阅读，也可供计算机相关行业的管理者和研发人员参考。

这是一本全面涵盖知识图谱多个方面的综合性教材。书中详细介绍了知识图谱的发展历史，从经典人工智能的核心命题——知识工程，到互联网时代的语义Web，再到当下很多领域构建的数千亿级别的现代知识图谱。 本书全面覆盖了知识图谱的表示、存储、获取、推理、融合、问答和分析等七大方面，一百多个基础知识点的内容。同时，本书还囊括了多模态知识图谱、知识图谱与图神经网络的融合、本体表示学习、事理知识图谱，以及知识增强的语言预训练模型等新热点、新发展。 在知识图谱的表示方面，书中介绍了知识表示的重要性，并探讨了人工智能发展中的知识表示方法，包括符号逻辑和表示学习。在知识图谱的存储方面，书中讨论了图谱的存储方法，主要涉及如何将知识图谱中的实体、关系和属性有效地存储在计算机系统中，以便于后续的查询和计算。 在知识图谱的获取与构建方面，书中详细阐述了实体识别与分类，关系抽取，属性补全，概念抽取，事件识别与抽取等关键技术。在知识图谱的推理方面，书中介绍了图谱推理的两种方法，一种是基于符号逻辑的推理，另一种是基于表示学习的推理。 在知识图谱的融合方面，书中深入探讨了本体匹配和实体对齐等关键内容。在知识图谱的问答