实战知识图谱_邓劲生宋省身刘娟_9787302652618

本书是学习知识图谱的实践教材，通过企业信息、医药疾病、银行审计、人物关系、实体链接、科研文献、微博舆情、法规搜索、司法文书、政府信箱、新闻推荐等十余个行业领域项目实例，详细介绍了知识图谱的构建过程和应用方法，系统梳理和实际运用了知识图谱的各项具体技术，全面覆盖了知识的表示、获取、存储和应用全过程，重点描述了深度学习、自然语言处理等实现途径，充分展示了多种知识图谱的可视化应用。
本书适合作为高等学校计算机科学与技术、软件工程、人工智能等本专科专业的教材，也适合作为运用知识图谱技术的研究生、工程师和研究人员的学习资料。

在过去的几年中，信息领域取得许多重大的突破性进展，其中包括深度学习、自然语言处理和图数据库等，核心都是对数据进行处理和分析，使得系统更加智能而高效。沧海横流，方显英雄本色。在这个大变局的时代背景下，知识图谱的概念得以迅猛发展，业已成为人工智能和自然语言处理领域的核心驱动力之一，广泛应用于金融、电商、医疗、政务等众多领域。
知识图谱是一种覆盖多维关系和实体的结构化数据模型，用于表示知识和实体之间的关系网络。这种模型有助于更好地理解数据和实体之间的联系，从而进行知识推理和推断，可用于各种搜索算法和自然语言处理应用。它们是连接不同数据源、整合不同领域数据、实现机器推理和推断的很有价值的工具。
知识图谱的最重要特点之一就是可解释性。其精准稳定的推理和发现新知识的能力，正是目前深度学习方法还很难做到的。知识图谱把领域知识或常识整理成结构化的形式，然后在此基础上进行推理，是一种更加结构化和灵活的数据模型，可以更好地对实体和关系进行建模和推理。随着近年来基于大规模语言模型的深度学习算法技术的快速发展和相互融合，知识图谱将从中获得更强的自然语言处理和文本生成能力，从而进入更为广阔的发展空间。
本书面向编程开发人员，主要从实践角度来深入探讨知识图谱的核心概念、建模方法以及在实际场景中的应用。本书从知识图谱的基础知识开始，选取知识图谱的典型领域应用场景，实现知识图谱从数据采集到可视化展示的全过程，对知识图谱的构建、存储、查询和应用等方面进行细致的分析与探讨，并带领大家一步一步地使用相应数据库、开发框架和代码工具，以全面掌握核心技术和实践应用。
其中，第1章概述知识图谱的理论基础和入门知识，汇总实战知识点和章节分布。从第2章开始，分别针对企业信息、医药疾病、银行审计、人物关系、实体链接、科研文献、微博舆情、法规搜索、司法文书、政府信箱、新闻推荐等具体场景展开。每章按照需求分析、工作流程、技术选型、开发准备、数据准备和预处理、知识建模和存储、图谱可视化和知识应用、小结和扩展等结构布局。章节顺序经过精心安排，各知识点的学习由浅入深、由简入繁、循序渐进。本书配有源代码和资源，在每章中均有使用方法和关键代码讲解说明。
本书最初起源于团队自身建设的能力提升所需，我们改编了一批当前热门的应用案例作为实战化操作练习，并准备了全套源代码、数据集和使用说明等学习资源。本书随着团队新生力量的增加而不断更新，多次作为培训教材使用而且反响良好。这次通过向大家分享和展示我们在探索和学习知识图谱方面所取得的成果，希望能够为对知识图谱感兴趣的开发人员带来全面深入的了解和掌握，也期待大家能够将知识图谱技术应用到自己的工作实践当中，在各自的航道上乘风破浪、开拓创新。
本书是跨域大数据智能分析与应用省级重点实验室团队协作努力的成果，由邓劲生和宋省身负责搭建整体框架并确定实战内容、组织验证应用和调度实施，刘娟选取具体案例并统筹撰写。其中，邓劲生(第1章)、熊炜林(第2章和第3章)、宋省身(第4章)、黎珍(第5章、第9章、部分第6章)、刘娟(第7章、第11章、第12章)、王良(第8章)、唐钧中(第10章、部分第6章)等分别主写了相应章节，曹吉浩、阳帆、严少洁、陈怡参与了部分章节撰写、调试代码并整理优化文字，李昊阳、任天翔、刘高杭等进行了核查验证及资源梳理，乔凤才、尹晓晴、赵涛等参与了文稿修改完善指导。部分内容来自于参考文献和网络资源转载，未能逐一溯源和说明引用，特在此对这些资源的作者表示感谢。
由于知识图谱正处于蓬勃发展之中，而作者的自身水平、理解能力、项目经验和表达能力有限，书中难免存在一些错误和不足之处，还望各位读者不吝赐教，也欢迎将本书选作教材的老师垂询和交流，联系邮箱是bljdream@qq.com。

作者2023年12月

第1章走近知识图谱1
1.1基本概念1
1.1.1源自搜索引擎1
1.1.2知识图谱的定义2
1.1.3知识表示3
1.1.4操作和存储5
1.2构建流程7
1.2.1数据获取8
1.2.2信息抽取9
1.2.3知识融合11
1.2.4知识加工13
1.3知识图谱应用15
1.3.1知识图谱分类15
1.3.2通用知识图谱应用16
1.3.3领域知识图谱应用18
1.3.4面临的技术挑战22
1.4本书实战知识点23

第2章企业信息知识图谱25
2.1项目设计25
2.1.1需求分析25
2.1.2工作流程25
2.1.3技术选型26
2.1.4开发准备27
2.2数据准备和预处理28
2.2.1数据获取28
2.2.2数据的预处理30
2.3知识建模和存储31
2.3.1企业主要属性31
2.3.2企业数据源形成31
2.3.3知识图谱主体构建35
2.3.4企业信息三元组形成36
2.3.5数据存储 37
2.4图谱可视化和知识应用38
2.4.1查询企业全貌39
2.4.2企业关系维度分析41
2.4.3司法维度分析41
2.5小结和扩展42

〖1〗〖2〗实战知识图谱〖1〗目录第3章医药疾病知识图谱44
3.1项目设计44
3.1.1需求分析44
3.1.2工作流程44
3.1.3技术选型45
3.1.4开发准备47
3.2数据准备和预处理47
3.2.1数据描述47
3.2.2数据获取48
3.2.3数据预处理50
3.3知识建模和存储51
3.3.1实体抽取51
3.3.2三元组的抽取53
3.3.3数据存储55
3.4图谱可视化和知识应用56
3.4.1数据查询57
3.4.2膳食维度分析58
3.4.3用药维度分析60
3.5小结和扩展60

第4章银行审计知识图谱61
4.1项目设计61
4.1.1需求分析61
4.1.2工作流程61
4.1.3技术选型62
4.1.4开发准备62
4.2数据准备和预处理63
4.2.1数据获取63
4.2.2数据预处理66
4.3知识建模和存储67
4.3.1构建账户数据模型 67
4.3.2抽取三元组并存储68
4.4图谱可视化和知识应用70
4.4.1客户的所有账户70
4.4.2账户的全部交易记录71
4.4.3某时间段内账户的交易记录71
4.4.4账户相关的全部对方账户73
4.4.5客户的异常交易行为73
4.4.6下一步改进工作74
4.5小结和扩展77

第5章人物关系智能问答78
5.1项目设计78
5.1.1需求分析78
5.1.2工作流程79
5.1.3技术选型79
5.1.4开发准备81
5.2数据准备和预处理82
5.2.1数据准备82
5.2.2数据预处理82
5.3知识建模和存储83
5.3.1知识建模及描述83
5.3.2数据存储84
5.4图谱可视化和知识应用88
5.4.1问题模板定义89
5.4.2朴素贝叶斯问题分类90
5.4.3意图识别与槽位填充91
5.4.4问答展示93
5.5小结和扩展96

第6章基于知识库的实体链接系统98
6.1项目设计98
6.1.1需求分析98
6.1.2工作流程98
6.1.3技术选型99
6.1.4开发准备100
6.2数据准备和预处理101
6.2.1数据获取101
6.2.2数据预处理101
6.2.3自定义词典104
6.3知识建模和存储104
6.3.1候选实体生成104
6.3.2候选实体消歧108
6.4知识应用111
6.4.1功能实现111
6.4.2应用场景112
6.5小结和扩展113

第7章交通出行科研文献研究114
7.1项目设计114
7.1.1需求分析114
7.1.2工作流程114
7.1.3技术选型115
7.1.4开发准备116
7.2数据准备和预处理117
7.2.1文献数据下载117
7.2.2文献数据导入117
7.2.3数据转换处理118
7.2.4CNKI引文数据获取119
7.3图谱可视化和知识应用121
7.3.1共现和聚类分析122
7.3.2突现分析126
7.3.3共被引分析127
7.3.4合作网络分析128
7.4小结和扩展129

第8章微博舆情知识图谱130
8.1项目设计130
8.1.1需求分析130
8.1.2工作流程130
8.1.3技术选型132
8.1.4开发准备133
8.2数据准备和预处理133
8.2.1采集话题帖子133
8.2.2解析关键数据134
8.2.3情感倾向分析142
8.3知识建模和存储143
8.4图谱可视化和知识应用146
8.4.1图谱可视化146
8.4.2展示性分析147
8.5小结和扩展149

第9章基于法规知识图谱的搜索系统150
9.1项目设计150
9.1.1需求分析150
9.1.2工作流程151
9.1.3技术选型152
9.1.4开发准备154
9.2数据准备和预处理155
9.2.1获取法规列表155
9.2.2获得法律内容详情156
9.2.3法规实体抽取158
9.3知识建模和存储160
9.3.1法规采集记录160
9.3.2法规详情信息161
9.3.3法规关系数据163
9.4图谱可视化和知识应用165
9.4.1可视化实现过程165
9.4.2法规数据图谱展示170
9.4.3法律法规Web搜索171
9.5小结和扩展173

第10章基于裁判文书的司法知识图谱174
10.1项目设计174
10.1.1需求分析174
10.1.2工作流程175
10.1.3技术选型175
10.1.4开发准备177
10.2数据准备和预处理177
10.2.1数据获取177
10.2.2获取裁判文书数据178
10.2.3获取关键字典数据179
10.2.4序列标注180
10.2.5特征提取182
10.3知识建模和存储183
10.3.1基于BiLSTM CRF模型的命名实体识别183
10.3.2实体关系抽取186
10.4图谱可视化和知识应用187
10.4.1绘制知识图谱187
10.4.2知识图谱展示188
10.4.3知识图谱应用188
10.5小结和扩展189

第11章政府信箱知识服务190
11.1项目设计190
11.1.1需求分析190
11.1.2工作流程191
11.1.3技术选型192
11.1.4开发准备193
11.2数据准备和预处理194
11.2.1源网站分析195
11.2.2URL信息获取195
11.2.3信息预处理196
11.2.4关系数据库表存储197
11.3知识建模和存储198
11.3.1知识表示和建模198
11.3.2知识抽取199
11.3.3图数据库存储203
11.4图谱可视化和知识应用204
11.4.1民生关注点词云204
11.4.2政府信箱智能问答206
11.5小结和扩展210

第12章新闻推荐系统211
12.1项目设计211
12.1.1需求分析211
12.1.2工作流程211
12.1.3技术选型212
12.1.4开发准备212
12.2知识图谱构建213
12.2.1数据准备213
12.2.2数据处理213
12.2.3知识图谱构建214
12.3推荐模型构建216
12.3.1数据集生成216
12.3.2模型训练217
12.3.3模型训练总结220
12.4可视化应用220
12.4.1框架搭建220
12.4.2用户行为收集221
12.4.3实时新闻数据更新222
12.4.4个性化推荐224
12.5小结和扩展227

你还可能感兴趣

我要评论