《知识图谱实战：构建方法与行业应用》内容简介

这是一本综合介绍知识图谱构建与行业实践的著作，是作者多年从事知识图谱与认知智能应用落地经验的总结，得到了多位知识图谱资深专家的推荐。
本书以通俗易懂的方式来讲解知识图谱相关的知识，尤其对从零开始构建知识图谱过程中需要经历的步骤，以及每个步骤需要考虑的问题都给予较为详细的解释。
本书基于实际业务进行抽象，结合知识图谱的7个构建步骤，深入分析知识图谱技术应用以及8个行业综合案例的设计与实现。
全书分为基础篇、构建篇、实践篇，共16章内容。
基础篇（第1章），介绍知识图谱的定义、分类、发展阶段，以及构建方式、逻辑/技术架构、现状与应用场景等。
构建篇（第2—8章），详细介绍知识抽取、知识表示、知识融合、知识存储、知识建模、知识推理、知识评估与运维等知识图谱构建的核心步骤，并结合实例讲解应用方法。
实践篇（第9—16章），详细讲解知识图谱的综合应用，涵盖知识问答评测、知识图谱平台、智能搜索、图书推荐系统、开放领域知识问答、交通领域知识问答、汽车领域知识问答、金融领域推理决策。
于俊，中国科学技术大学电子信息专业博士研究生，科大讯飞大数据及人工智能技术专家，安徽大学计算机技术专业硕士生导师，CCF高级会员。有超过15年的大数据及人工智能算法工程化经验，专注大数据分析及数据价值挖掘、大数据及人工智能技术应用落地。著有《Spark核心技术与高级应用》《Spark机器学习进阶实战》等书。

作品目录

前言
基础篇
第1章：理解知识图谱
1.1、知识图谱概述
1.2、知识图谱架构
1.3、知识图谱现状
1.4、知识图谱应用场景
1.5、本章小结
构建篇
第2章：知识抽取
2.1、知识抽取概述
2.2、知识抽取的方法
2.3、知识抽取实例
2.4、本章小结
第3章：知识表示
3.1、知识表示概述
3.2、知识表示的方法
3.3、知识表示实例
3.4、本章小结
第4章：知识融合
4.1、知识融合概述
4.2、知识融合的方法
4.3、知识融合实例
4.4、本章小结
第5章：知识存储
5.1、知识存储概述
5.2、知识存储的方法
5.3、知识存储实例
5.4、本章小结
第6章：知识建模
6.1、知识建模概述
6.2、知识建模的方法
6.3、知识建模实例
6.4、本章小结
第7章：知识推理
7.1、知识推理概述
7.2、知识推理的方法
7.3、知识推理实例
7.4、本章小结
第8章：知识评估与运维
8.1、知识评估与运维概述
8.2、知识评估与运维的任务
8.3、知识评估与运维流程
8.4、本章小结
实践篇
第9章：知识问答评测
9.1、知识问答系统概述
9.2、自然语言知识问答评测
9.3、生活服务知识问答评测
9.4、开放知识问答评测
9.5、本章小结
第10章：知识图谱平台
10.1、知识图谱平台建设背景
10.2、知识图谱平台基本功能
10.3、AiMind知识图谱平台
10.4、本章小结
第11章：智能搜索实践
11.1、智能搜索背景
11.2、智能搜索业务设计
11.3、数据获取与预处理
11.4、基于Jena的知识推理
11.5、基于Elasticsearch的知识搜索
11.6、本章小结
第12章：图书推荐系统实践
12.1、推荐系统背景
12.2、图书推荐业务设计
12.3、数据预处理
12.4、模型训练与评估
12.5、推荐结果呈现
12.6、本章小结
第13章：开放领域知识问答实践
13.1、知识问答背景
13.2、知识问答业务设计
13.3、数据预处理
13.4、问句识别及问答实现
13.5、问答结果呈现
13.6、本章小结
第14章：交通领域知识问答实践
14.1、交通领域背景
14.2、问答业务设计
14.3、数据预处理
14.4、知识问答系统实现
14.5、问答结果呈现
14.6、本章小结
第15章：汽车领域知识问答实践
15.1、汽车领域背景
15.2、问答业务设计
15.3、数据预处理
15.4、答案匹配与问答系统实现
15.5、问答结果呈现
15.6、本章小结
第16章：金融领域推理决策实践
16.1、金融决策背景
16.2、信贷反欺诈业务设计
16.3、数据预处理
16.4、推理决策实现
16.5、本章小结