知識圖譜已被廣泛應(yīng)用于智能信息搜索、自動問答、決策分析等領(lǐng)域。本書以構(gòu)建領(lǐng)域多層次知識體系支撐智能應(yīng)用為目標(biāo)，系統(tǒng)地介紹實(shí)體關(guān)系圖譜、事理圖譜和業(yè)務(wù)主題圖譜構(gòu)建過程中涉及的關(guān)鍵技術(shù)，如知識抽取、知識融合、知識存儲、事件和場景抽取、事件模式庫構(gòu)建、事理規(guī)則挖掘、層次主題挖掘、動態(tài)主題挖掘、對象屬性挖掘、主題要素關(guān)聯(lián)挖掘等。此外，本書還提供豐富的案例，展現(xiàn)如何利用知識圖譜實(shí)現(xiàn)領(lǐng)域智能應(yīng)用。
本書內(nèi)容對于知識圖譜研究和領(lǐng)域應(yīng)用具有一定的參考意義，既適合專業(yè)人士了解知識圖譜和深度學(xué)習(xí)前沿?zé)狳c(diǎn)，又適合在相關(guān)領(lǐng)域從事知識圖譜應(yīng)用開發(fā)的人員學(xué)習(xí)，還可以作為高等院校人工智能專業(yè)師生的參考教材。
1.本書的主編是國內(nèi)從事相關(guān)領(lǐng)域研究和開發(fā)的一線專家，在知識工程領(lǐng)域有著二十余年的研究和開發(fā)經(jīng)驗(yàn)。曾獲國家科技進(jìn)步獎。
2.本書內(nèi)容包含了豐富的應(yīng)用案例，可以幫助讀者系統(tǒng)掌握相關(guān)技術(shù)，能夠從全局和系統(tǒng)的視角看待和應(yīng)用知識圖譜技術(shù)和相關(guān)原理。
馮鈞，日本名古屋大學(xué)信息工程博士，博士生導(dǎo)師，現(xiàn)就職于河海大學(xué)計算機(jī)與信息學(xué)院，長期從事數(shù)據(jù)管理、領(lǐng)域知識工程、水利大數(shù)據(jù)應(yīng)用研究。主持或參與國家重點(diǎn)研發(fā)計劃項目、國家重大專項、國家科技支撐計劃、國家自然科學(xué)基金、水利部公益性行業(yè)專項重點(diǎn)項目、江蘇省科技支撐計劃以及重點(diǎn)工程科研項目等30余項目。獲國家科技進(jìn)步二等獎1項，省部級科技進(jìn)步一等獎2項、二等獎1項，發(fā)表學(xué)術(shù)論文80余篇。主持編制水利行業(yè)標(biāo)準(zhǔn)2部，出版英文學(xué)術(shù)專著1部，申請國家發(fā)明專利60余件，獲授權(quán)國家發(fā)明專利30余項，軟件著作權(quán)10余項。江蘇省“青藍(lán)工程”優(yōu)秀青年骨干教師。
目 錄
第 1章 緒論 001
1.1 知識圖譜簡介 001
1.2 領(lǐng)域分層知識體系 003
參考文獻(xiàn) 004
第 2章 實(shí)體關(guān)系圖譜構(gòu)建技術(shù) 005
2.1 知識抽取 005
2.1.1 引言 005
2.1.2 相關(guān)工作 006
2.1.3 基于維基百科的知識抽取 010
2.1.4 水利空間關(guān)系詞識別與提取 014
2.1.5 面向領(lǐng)域知識圖譜的關(guān)系抽取 020
2.1.6 基于強(qiáng)化學(xué)習(xí)的關(guān)系抽取 031
2.1.7 基于聯(lián)合學(xué)習(xí)的實(shí)體關(guān)系抽取 039
2.1.8 總結(jié) 043
2.2 知識融合 044
2.2.1 引言 044
2.2.2 相關(guān)工作 044
2.2.3 基于多特征的實(shí)體消歧 051
2.2.4 基于詞典的屬性對齊 055
2.2.5 基于貝葉斯分析的屬性真值發(fā)現(xiàn) 056
2.2.6 實(shí)驗(yàn)分析 060
2.2.7 總結(jié) 063
2.3 知識存儲 063
2.3.1 引言 063
2.3.2 相關(guān)工作 064
2.3.3 基于頻繁謂詞的擴(kuò)展垂直劃分方法 065
2.3.4 基于頻繁謂詞樹的SPARQL查詢方法 069
2.3.5 基于混合存儲模式的分布式SPARQL查詢優(yōu)化 076
2.3.6 總結(jié) 084
參考文獻(xiàn) 084
第3章 事理圖譜構(gòu)建 091
3.1 事件和場景抽取 091
3.1.1 引言 091
3.1.2 相關(guān)工作 093
3.1.3 基于預(yù)訓(xùn)練模型的事件抽取 095
3.1.4 基于Bi-LG-LSTM神經(jīng)網(wǎng)絡(luò)的一元時間序列分割 101
3.1.5 基于滑動窗口采樣和DTWCorr度量方式的多元時間序列分割 107
3.1.6 總結(jié) 113
3.2 事件模式庫構(gòu)建 114
3.2.1 引言 114
3.2.2 相關(guān)工作 114
3.2.3 基于特征提取與選擇的多元時間序列聚類 115
3.2.4 基于子序列全連接的時間序列模體挖掘 122
3.2.5 基于時間序列關(guān)系的多元時間序列關(guān)聯(lián)規(guī)則挖掘 129
3.2.6 總結(jié) 135
3.3 事理規(guī)則挖掘 136
3.3.1 引言 136
3.3.2 相關(guān)工作 136
3.3.3 基于事理圖譜的時空場景事件演化成因分析 137
3.3.4 總結(jié) 144
參考文獻(xiàn) 144
第4章 業(yè)務(wù)主題圖譜構(gòu)建技術(shù) 149
4.1 層次主題挖掘技術(shù) 149
4.1.1 引言 149
4.1.2 相關(guān)工作 150
4.1.3 基于標(biāo)簽信息的文本主題層次挖掘模型 151
4.1.4 總結(jié) 160
4.2 動態(tài)主題挖掘技術(shù) 161
4.2.1 引言 161
4.2.2 相關(guān)研究 161
4.2.3 基于主題關(guān)聯(lián)度的動態(tài)主題演化路徑挖掘 162
4.2.4 總結(jié) 166
4.3 對象屬性挖掘技術(shù) 166
4.3.1 引言 166
4.3.2 相關(guān)工作 166
4.3.3 基于LDA和同義詞識別的對象屬性挖掘 167
4.3.4 總結(jié) 174
4.4 主題 要素關(guān)聯(lián)挖掘技術(shù) 174
4.4.1 引言 174
4.4.2 相關(guān)工作 174
4.4.3 基于文檔網(wǎng)絡(luò)圖的主題關(guān)鍵要素挖掘 176
4.4.4 總結(jié) 182
參考文獻(xiàn) 182
第5章 領(lǐng)域知識應(yīng)用 187
5.1 智能數(shù)據(jù)服務(wù)技術(shù)的應(yīng)用案例 187
5.1.1 引言 187
5.1.2 基于知識圖譜的多關(guān)系問答 188
5.1.3 水利領(lǐng)域知識圖譜可視化 197
5.1.4 基于知識圖譜的個性化推薦 204
5.1.5 面向基礎(chǔ)水利對象的多模態(tài)數(shù)據(jù)關(guān)聯(lián)與應(yīng)用 208
5.1.6 總結(jié) 214
5.2 智能決策支持的應(yīng)用案例 214
5.2.1 引言 214
5.2.2 基于時空特征模式庫的決策方案生成和優(yōu)化 214
5.2.3 基于事理圖譜演化模式的反向成因分析 227
5.2.4 總結(jié) 230
5.3 智能預(yù)測模型的應(yīng)用案例 231
5.3.1 引言 231
5.3.2 基于多特征小樣本數(shù)據(jù)的洪水預(yù)報 231
5.3.3 基于可解釋的時空注意力網(wǎng)絡(luò)方法的洪水預(yù)報 241
5.3.4 基于特征融合的洪水預(yù)測 252
5.3.5 基于可解釋的洪水多步預(yù)測方法 258
5.3.6 總結(jié) 263
5.4 基于耦合網(wǎng)絡(luò)的業(yè)務(wù)協(xié)同預(yù)演 264
5.4.1 引言 264
5.4.2 耦合網(wǎng)絡(luò)定義與表示 265
5.4.3 面向業(yè)務(wù)的協(xié)同預(yù)演系統(tǒng)架構(gòu) 266
5.4.4 總結(jié) 268
參考文獻(xiàn) 268
書單推薦
