知识图谱实战：构建方法与行业应用

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。 李雅洁 华中科技大学应用统计硕士，在知识图谱、自然语言处理、大数据分析与挖掘、机器学习等领域有丰富的研究和开发经验。精通Python、R语言以及Spark等大数据框架，擅长自然语言处理及知识图谱构建。 彭加琪 中国科学技术大学计算机科学硕士，科大讯飞核心研发平台主管，负责AI数据平台和知识中台建设，精通Java、Python等编程语言，擅长分布式系统建设以及企业级知识图谱构建与应用。 程知远 悉尼大学数据科学硕士，科大讯飞大数据工程师，负责智慧教学产品及学生行为分析的算法研究及引擎实现。精通Java、Python等编程语言，擅长分布式系统建设以及企业级知识图谱构建与应用。

目　　录

前言

基础篇

第1章　理解知识图谱　/　2

1.1　知识图谱概述　/　2

1.1.1　知识定义及分类　/　3

1.1.2　知识图谱定义　/　4

1.1.3　知识图谱分类　/　5

1.1.4　知识图谱发展阶段　/　8

1.2　知识图谱架构　/　8

1.2.1　构建方式　/　8

1.2.2　逻辑架构　/　9

1.2.3　技术架构　/　9

1.3　知识图谱现状　/　13

1.3.1　学术界研究现状　/　13

1.3.2　工业界应用现状　/　13

1.4　知识图谱应用场景　/　14

1.4.1　智能搜索　/　14

1.4.2　推荐系统　/　15

1.4.3　知识问答　/　15

1.4.4　推理决策　/　16

1.5　本章小结　/　16

构建篇

第2章　知识抽取　/　18

2.1　知识抽取概述　/　18

2.1.1　知识抽取的定义　/　19

2.1.2　知识抽取的任务　/　20

2.2　知识抽取的方法　/　26

2.2.1　面向结构化数据　/　26

2.2.2　面向半结构化数据　/　28

2.2.3　面向非结构化数据　/　30

2.3　知识抽取实例　/　37

2.3.1　Deepdive的安装

和配置　/　38

2.3.2　实验步骤　/　39

2.3.3　模型构建　/　47

2.4　本章小结　/　49

第3章　知识表示　/　50

3.1　知识表示概述　/　50

3.1.1　知识表示的定义　/　50

3.1.2　知识表示的任务　/　51

3.2　知识表示的方法　/　51

3.2.1　基于符号的知识表示　/　51

3.2.2　基于向量的知识表示　/　60

3.3　知识表示实例　/　64

3.3.1　环境配置　/　64

3.3.2　生成映射文件　/　65

3.3.3　将MySQL数据转为RDF

三元组　/　67

3.4　本章小结　/　68

第4章　知识融合　/　69

4.1　知识融合概述　/　69

4.1.1　知识融合的定义　/　70

4.1.2　知识融合的任务　/　70

4.2　知识融合的方法　/　73

4.2.1　本体对齐方法　/　73

4.2.2　实体对齐方法　/　77

4.3　知识融合实例　/　80

4.3.1　环境配置　/　81

4.3.2　预处理与匹配　/　81

4.3.3　结果评估　/　84

4.4　本章小结　/　85

第5章　知识存储　/　86

5.1　知识存储概述　/　86

5.1.1　知识存储的定义　/　86

5.1.2　知识存储的任务　/　87

5.2　知识存储的方法　/　89

5.2.1　基于关系型数据库的

知识存储　/　89

5.2.2　基于NoSQL的

知识存储　/　92

5.2.3　基于分布式的

知识存储　/　96

5.3　知识存储实例　/　98

5.3.1　使用Apache Jena

存储数据　/　98

5.3.2　使用Neo4j数据库

存储数据　/　98

5.4　本章小结　/　103

第6章　知识建模　/　104

6.1　知识建模概述　/　104

6.1.1　知识建模的定义　/　104

6.1.2　知识建模的任务　/　107

6.2　知识建模的方法　/　109

6.2.1　手工建模方法　/　109

6.2.2　半自动建模方法　/　113

6.2.3　本体自动建模方法　/　114

6.3　知识建模实例　/　116

6.3.1　创建项目实例　/　117

6.3.2　创建本体关系和属性　/　118

6.3.3　知识图谱可视化　/　120

6.4　本章小结　/　121

第7章　知识推理　/　122

7.1　知识推理概述　/　122

7.1.1　知识推理的定义　/　122

7.1.2　知识推理的任务　/　123

7.2　知识推理的方法　/　124

7.2.1　基于逻辑规则的推理　/　124

7.2.2　基于知识表示学习的推理　/　131

7.2.3　基于神经网络的推理　/　134

7.2.4　混合推理　/　136

7.3　知识推理实例　/　137

7.4　本章小结　/　139

第8章　知识评估与运维　/　140

8.1　知识评估与运维概述　/　140

8.1.1　知识评估概述　/　141

8.1.2　知识运维概述　/　142

8.2　知识评估与运维的任务　/　143

8.2.1　知识评估任务　/　143

8.2.2　知识运维任务　/　147

8.3　知识评估与运维流程　/　149

8.3.1　知识评估流程　/　149

8.3.2　知识运维流程　/　150

8.4　本章小结　/　151

实践篇

第9章　知识问答评测　/　154

9.1　知识问答系统概述　/　154

9.1.1　知识问答系统定义　/　155

9.1.2　知识问答问题分类　/　155

9.1.3　知识问答评测技术方案　/　157

9.2　自然语言知识问答评测　/　159

9.2.1　任务背景　/　159

9.2.2　数据分析　/　159

9.2.3　技术方案　/　160

9.2.4　任务结果　/　163

9.3　生活服务知识问答评测　/　164

9.3.1　任务背景　/　164

9.3.2　数据分析　/　164

9.3.3　技术方案　/　165

9.3.4　任务结果　/　168

9.4　开放知识问答评测　/　168

9.4.1　任务背景　/　168

9.4.2　数据分析　/　168

9.4.3　技术方案　/　169

9.4.4　任务结果　/　172

9.5　本章小结　/　172

第10章　知识图谱平台　/　173

10.1　知识图谱平台建设背景　/　173

10.2　知识图谱平台基本功能　/　175

10.3　AiMind知识图谱平台　/　175

10.3.1　数据管理　/　176

10.3.2　知识建模　/　180

10.3.3　知识抽取　/　185

10.3.4　知识融合　/　189

10.3.5　知识管理　/　191

10.3.6　知识应用　/　194

10.4　本章小结　/　196

第11章　智能搜索实践　/　197

11.1　智能搜索背景　/　197

11.2　智能搜索业务设计　/　198

11.2.1　场景设计　/　198

11.2.2　知识图谱设计　/　199

11.2.3　模块设计　/　200

11.3　数据获取与预处理　/　201

11.3.1　环境搭建　/　202

11.3.2　数据获取　/　202

11.3.3　知识抽取　/　203

11.3.4　知识存储　/　206

11.4　基于Jena的知识推理　/　207

11.4.1　OWL推理　/　208

11.4.2　Jena规则推理　/　209

11.5　基于 Elasticsearch的

知识搜索　/　210

11.6　本章小结　/　216

第12章　图书推荐系统实践　/　217

12.1　推荐系统背景　/　217

12.2　图书推荐业务设计　/　219

12.2.1　场景设计　/　219

12.2.2　知识图谱设计　/　220

12.2.3　模块设计　/　221

12.3　数据预处理　/　222

12.3.1　环境搭建　/　223

12.3.2　知识抽取　/　224

12.3.3　数据生成　/　225

12.3.4　知识表示　/　227

12.3.5　知识存储　/　229

12.4　模型训练与评估　/　231

12.4.1　模型训练　/　231

12.4.2　模型评估　/　234

12.5　推荐结果呈现　/　235

12.6　本章小结　/　235

第13章　开放领域知识问答实践　/　236

13.1　知识问答背景　/　236

13.2　知识问答业务设计　/　237

13.2.1　场景设计　/　237

13.2.2　知识图谱设计　/　239

13.2.3　模块设计　/　240

13.3　数据预处理　/　241

13.3.1　环境搭建　/　241

13.3.2　数据获取　/　241

13.3.3　知识表示与存储　/　242

13.4　问句识别及问答实现　/　246

13.4.1　实体识别与链接　/　246

13.4.2　向量建模　/　248

13.4.3　选取自动问答的答案　/　251

13.5　问答结果呈现　/　252

13.6　本章小结　/　254

第14章　交通领域知识问答实践　/　255

14.1　交通领域背景　/　255

14.2　问答业务设计　/　256

14.2.1　场景设计　/　256

14.2.2　知识图谱设计　/　257

14.2.3　模块设计　/　258

14.3　数据预处理　/　259

14.3.1　环境搭建　/　259

14.3.2　数据生成　/　259

14.3.3　知识抽取　/　261

14.3.4　知识表示　/　262

14.3.5　知识存储　/　262

14.4　知识问答系统实现　/　264

14.5　问答结果呈现　/　266

14.6　本章小结　/　267

第15章　汽车领域知识问答实践　/　268

15.1　汽车领域背景　/　268

15.2　问答业务设计　/　269

15.2.1　场景设计　/　269

15.2.2　知识图谱设计　/　270

15.2.3　模块设计　/　273

15.3　数据预处理　/　274

15.3.1　环境搭建　/　275

15.3.2　数据导入　/　275

15.3.3　数据生成　/　277

15.3.4　知识抽取　/　279

15.3.5　知识推理　/　282

15.4　答案匹配与问答系统实现　/　284

15.4.1　答案匹配　/　284

15.4.2　问答系统实现　/　285

15.5　问答结果呈现　/　286

15.6　本章小结　/　288

第16章　金融领域推理决策实践　/　289

16.1　金融决策背景　/　289

16.2　信贷反欺诈业务设计　/　290

16.2.1　场景设计　/　290

16.2.2　知识图谱设计　/　291

16.2.3　模块设计　/　291

16.3　数据预处理　/　292

16.3.1　环境搭建　/　292

16.3.2　数据生成　/　293

16.3.3　知识抽取　/　296

16.3.4　知识表示　/　298

16.3.5　知识存储　/　298

16.4　推理决策实现　/　299

16.4.1　基于自定义规则的Jena

推理机的推理　/　300

16.4.2　基于SPARQL查询语句

的推理　/　302

16.4.3　基于Jena本体模型

的推理　/　304

16.5　本章小结　/　307