知识表示与推理 / 高等院校数据科学与大数据专业“互联网+”创新规划教材
定价：￥45.00
作者： 李玉洁主编
出版时间：2024-08
最新印次日期：2024-11
出版社：北京大学出版社
- 北京大学出版社
- 9787301353523
- 1版
- 547761
- 62261365-1
- 16开
- 2024-08
- 工学
- 计算机类
- 数据科学与大数据技术
- 本科
作者简介
内容简介
本书聚焦于知识表示与推理，围绕经典知识表示、知识图谱、知识体系构建和知识融合、实体识别和扩展、实体消歧、关系抽取、事件抽取、知识存储和检索、经典知识推理、确定性推理与不确定性推理、数值推理、知识问答与对话等展开介绍。每章对多个相关研究方向的发展进程进行系统的、多维度的梳理，注重介绍传统知识工程的思想和理论，以及机器学习和深度学习在知识表示与推理各个环节中应用的技术和方法，从而使读者能够了解知识表示与推理的发展脉络，激发研究兴趣，思考核心问题，领悟发展方向。本书既可作为高等院校人工智能、数据科学与大数据技术等专业本科生的必修课教材，也可作为计算机科学与技术、电子信息等专业硕士研究生的选修课教材，还可作为人工智能、数据科学等相关领域从业者的参考用书。
目录
第1章 概述1
1.1 知识表示的概念2
1.2 知识表示与推理的发展历史5
1.3 本书的内容安排7
本章习题8
第2章 经典知识表示9
2.1 概念表示9
2.1.1 数理逻辑10
2.1.2 集合论12
2.1.3 概念的现代表示13
2.2 产生式表示法14
2.2.1 产生式14
2.2.2 产生式系统15
2.3 框架表示法17
2.4 脚本表示法20
2.5 状态空间表示法21
2.6 语义网表示法23
2.6.1 语义网络23
2.6.2 语义网知识描述体系25
2.7 数值化表示31
2.7.1 符号的数值化表示31
2.7.2 文本的数值化表示32
本章小结32
本章习题33
第3章 知识图谱34
3.1 知识图谱的概念34
3.2 知识图谱类型36
3.3 知识图谱生命周期42
3.3.1 知识体系构建42
3.3.2 知识获取43
3.3.3 知识融合46
3.3.4 知识存储47
3.3.5 知识推理47
3.3.6 知识应用48
3.4 知识图谱中的知识表示方法50
3.4.1 表示框架50
3.4.2 Freebase52
3.4.3 知识图谱的数值化表示53
3.5 知识图谱与深度学习54
本章小结57
本章习题57
第4章 知识体系构建和知识融合58
4.1 知识体系构建58
4.1.1 人工构建方法59
4.1.2 自动构建方法62
4.1.3 典型知识体系64
4.2 知识融合66
4.2.1 框架匹配66
4.2.2 实体对齐68
4.2.3 冲突检测与消解69
4.2.4 典型知识融合系统70
本章小结72
本章习题72
第5章 实体识别和扩展73
5.1 实体识别73
5.1.1 任务概述73
5.1.2 基于规则的实体识别方法76
5.1.3 基于机器学习的实体识别——基于特征的方法77
5.1.4 基于机器学习的实体识别——基于神经网络的方法83
5.2 细粒度实体识别84
5.2.1 任务概述84
5.2.2 细粒度实体类别的制定85
5.2.3 细粒度实体识别方法86
5.3 实体扩展86
5.3.1 任务概述86
5.3.2 实体扩展方法87
本章小结91
本章习题91
第6章 实体消歧92
6.1 任务概述92
6.1.1 任务定义92
6.1.2 任务分类93
6.1.3 相关评测94
6.2 基于聚类的实体消歧方法97
6.2.1 基于表层特征的实体指称项相似度计算97
6.2.2 基于扩展特征的实体指称项相似度计算98
6.2.3 基于社会化网络的实体指称项相似度计算98
6.3 基于实体链接的实体消歧方法100
6.3.1 链接候选过滤方法100
6.3.2 实体链接方法101
6.4 面向结构化文本的实体消歧方法104
本章小结105
本章习题105
第7章 关系抽取106
7.1 任务概述106
7.1.1 任务定义106
7.1.2 任务分类107
7.1.3 任务难点108
7.1.4 相关评测108
7.2 限定域关系抽取109
7.2.1 基于模板的关系抽取方法110
7.2.2 基于机器学习的关系抽取方法111
7.3 开放域关系抽取120
本章小结122
本章习题122
第8章 事件抽取123
8.1 概述123
8.2 限定域事件抽取130
8.2.1 基于模式匹配的事件抽取方法130
8.2.2 基于机器学习的事件抽取方法132
8.3 开放域事件抽取136
8.3.1 基于内容特征的事件抽取方法137
8.3.2 基于异常检测的事件抽取方法138
8.4 事件关系抽取138
8.4.1 事件共指关系抽取139
8.4.2 事件因果关系抽取139
8.4.3 子事件关系抽取140
8.4.4 事件时序关系抽取140
本章小结141
本章习题141
第9章 知识存储和检索142
9.1 知识图谱的存储143
9.1.1 基于表结构的存储143
9.1.2 基于图结构的存储148
9.2 知识检索150
9.2.1 常见形式化查询语言150
9.2.2 图检索技术160
本章小结163
本章习题163
第10章 经典知识推理164
10.1 典型推理任务164
10.1.1 知识补全164
10.1.2 知识问答165
10.2 知识推理分类166
10.2.1 归纳推理166
10.2.2 演绎推理167
10.3 知识推理方法168
10.3.1 归纳推理：学习推理规则168
10.3.2 演绎推理：推理具体事实169
10.4常识知识推理171
本章小结173
本章习题173
第11章 确定性推理与不确定性推理174
11.1 确定性推理174
11.2 不确定性推理175
11.2.1 概述175
11.2.2 基于概率论的推理方法179
11.2.3 模糊推理180
本章小结182
本章习题182
第12章 数值推理183
12.1 基于数值计算的推理183
12.1.1 基于张量分解的方法183
12.1.2 基于能量函数的方法185
12.2 符号演算和数值计算的融合推理189
本章小结191
本章习题192
第13章 知识问答与对话193
13.1 概述194
13.2 知识问答195
13.2.1 基于语义解析的方法197
13.2.2 基于搜索排序方法203
13.2.3 常用评测数据及各方法性能比较208
13.3 知识对话209
13.3.1 知识对话技术概述209
13.3.2 任务导向型对话系统210
13.3.3 通用对话系统215
13.3.4 评价方法217
本章小结218
本章习题218
参考文献219
1.1 知识表示的概念2
1.2 知识表示与推理的发展历史5
1.3 本书的内容安排7
本章习题8
第2章 经典知识表示9
2.1 概念表示9
2.1.1 数理逻辑10
2.1.2 集合论12
2.1.3 概念的现代表示13
2.2 产生式表示法14
2.2.1 产生式14
2.2.2 产生式系统15
2.3 框架表示法17
2.4 脚本表示法20
2.5 状态空间表示法21
2.6 语义网表示法23
2.6.1 语义网络23
2.6.2 语义网知识描述体系25
2.7 数值化表示31
2.7.1 符号的数值化表示31
2.7.2 文本的数值化表示32
本章小结32
本章习题33
第3章 知识图谱34
3.1 知识图谱的概念34
3.2 知识图谱类型36
3.3 知识图谱生命周期42
3.3.1 知识体系构建42
3.3.2 知识获取43
3.3.3 知识融合46
3.3.4 知识存储47
3.3.5 知识推理47
3.3.6 知识应用48
3.4 知识图谱中的知识表示方法50
3.4.1 表示框架50
3.4.2 Freebase52
3.4.3 知识图谱的数值化表示53
3.5 知识图谱与深度学习54
本章小结57
本章习题57
第4章 知识体系构建和知识融合58
4.1 知识体系构建58
4.1.1 人工构建方法59
4.1.2 自动构建方法62
4.1.3 典型知识体系64
4.2 知识融合66
4.2.1 框架匹配66
4.2.2 实体对齐68
4.2.3 冲突检测与消解69
4.2.4 典型知识融合系统70
本章小结72
本章习题72
第5章 实体识别和扩展73
5.1 实体识别73
5.1.1 任务概述73
5.1.2 基于规则的实体识别方法76
5.1.3 基于机器学习的实体识别——基于特征的方法77
5.1.4 基于机器学习的实体识别——基于神经网络的方法83
5.2 细粒度实体识别84
5.2.1 任务概述84
5.2.2 细粒度实体类别的制定85
5.2.3 细粒度实体识别方法86
5.3 实体扩展86
5.3.1 任务概述86
5.3.2 实体扩展方法87
本章小结91
本章习题91
第6章 实体消歧92
6.1 任务概述92
6.1.1 任务定义92
6.1.2 任务分类93
6.1.3 相关评测94
6.2 基于聚类的实体消歧方法97
6.2.1 基于表层特征的实体指称项相似度计算97
6.2.2 基于扩展特征的实体指称项相似度计算98
6.2.3 基于社会化网络的实体指称项相似度计算98
6.3 基于实体链接的实体消歧方法100
6.3.1 链接候选过滤方法100
6.3.2 实体链接方法101
6.4 面向结构化文本的实体消歧方法104
本章小结105
本章习题105
第7章 关系抽取106
7.1 任务概述106
7.1.1 任务定义106
7.1.2 任务分类107
7.1.3 任务难点108
7.1.4 相关评测108
7.2 限定域关系抽取109
7.2.1 基于模板的关系抽取方法110
7.2.2 基于机器学习的关系抽取方法111
7.3 开放域关系抽取120
本章小结122
本章习题122
第8章 事件抽取123
8.1 概述123
8.2 限定域事件抽取130
8.2.1 基于模式匹配的事件抽取方法130
8.2.2 基于机器学习的事件抽取方法132
8.3 开放域事件抽取136
8.3.1 基于内容特征的事件抽取方法137
8.3.2 基于异常检测的事件抽取方法138
8.4 事件关系抽取138
8.4.1 事件共指关系抽取139
8.4.2 事件因果关系抽取139
8.4.3 子事件关系抽取140
8.4.4 事件时序关系抽取140
本章小结141
本章习题141
第9章 知识存储和检索142
9.1 知识图谱的存储143
9.1.1 基于表结构的存储143
9.1.2 基于图结构的存储148
9.2 知识检索150
9.2.1 常见形式化查询语言150
9.2.2 图检索技术160
本章小结163
本章习题163
第10章 经典知识推理164
10.1 典型推理任务164
10.1.1 知识补全164
10.1.2 知识问答165
10.2 知识推理分类166
10.2.1 归纳推理166
10.2.2 演绎推理167
10.3 知识推理方法168
10.3.1 归纳推理：学习推理规则168
10.3.2 演绎推理：推理具体事实169
10.4常识知识推理171
本章小结173
本章习题173
第11章 确定性推理与不确定性推理174
11.1 确定性推理174
11.2 不确定性推理175
11.2.1 概述175
11.2.2 基于概率论的推理方法179
11.2.3 模糊推理180
本章小结182
本章习题182
第12章 数值推理183
12.1 基于数值计算的推理183
12.1.1 基于张量分解的方法183
12.1.2 基于能量函数的方法185
12.2 符号演算和数值计算的融合推理189
本章小结191
本章习题192
第13章 知识问答与对话193
13.1 概述194
13.2 知识问答195
13.2.1 基于语义解析的方法197
13.2.2 基于搜索排序方法203
13.2.3 常用评测数据及各方法性能比较208
13.3 知识对话209
13.3.1 知识对话技术概述209
13.3.2 任务导向型对话系统210
13.3.3 通用对话系统215
13.3.4 评价方法217
本章小结218
本章习题218
参考文献219
