第1章 知识图谱概述 1__eol__1.1 什么是知识图谱 1__eol__1.2 知识图谱的发展历史 2__eol__1.3 知识图谱的价值 5__eol__1.4 国内外典型的知识图谱项目 9__eol__1.4.1 早期的知识库项目 9__eol__1.4.2 互联网时代的知识图谱 9__eol__1.4.3 中文开放知识图谱 12__eol__1.4.4 垂直领域知识图谱 13__eol__1.5 知识图谱的技术流程 15__eol__1.6 知识图谱的相关技术 19__eol__1.6.1 知识图谱与数据库系统 19__eol__1.6.2 知识图谱与智能问答 23__eol__1.6.3 知识图谱与机器推理 25__eol__1.6.4 知识图谱与推荐系统 28__eol__1.6.5 区块链与去中心化的知识图谱 29__eol__1.7 本章小结 30__eol__参考文献 31__eol____eol__第2章 知识图谱表示与建模 40__eol__2.1 什么是知识表示 40__eol__2.2 人工智能早期的知识表示方法 43__eol__2.2.1 一阶谓词逻辑 43__eol__2.2.2 霍恩子句和霍恩逻辑 43__eol__2.2.3 语义网络 44__eol__2.2.4 框架 45__eol__2.2.5 描述逻辑 47__eol__2.3 互联网时代的语义网知识表示框架 48__eol__2.3.1 RDF和RDFS 48__eol__2.3.2 OWL和OWL2 Fragments 53__eol__2.3.3 知识图谱查询语言的表示 59__eol__2.3.4 语义Markup表示语言 62__eol__2.4 常见开放域知识图谱的知识表示方法 64__eol__2.4.1 Freebase 64__eol__2.4.2 Wikidata 65__eol__2.4.3 ConceptNet5 66__eol__2.5 知识图谱的向量表示方法 68__eol__2.5.1 知识图谱表示的挑战 68__eol__2.5.2 词的向量表示方法 68__eol__2.5.3 知识图谱嵌入的概念 71__eol__2.5.4 知识图谱嵌入的优点 72__eol__2.5.5 知识图谱嵌入的主要方法 72__eol__2.5.6 知识图谱嵌入的应用 75__eol__2.6 开源工具实践：基于Protégé的本体知识建模 77__eol__2.6.1 简介 77__eol__2.6.2 环境准备 78__eol__2.6.3 Protégé实践主要功能演示 78__eol__2.7 本章小结 80__eol__参考文献 80__eol____eol__第3章 知识存储 82__eol__3.1　知识图谱数据库基本知识 82__eol__3.1.1　知识图谱数据模型 82__eol__3.1.2　知识图谱查询语言 85__eol__3.2 常见知识图谱存储方法 91__eol__3.2.1 基于关系数据库的存储方案 91__eol__3.2.2　面向RDF的三元组数据库 101__eol__3.2.3 原生图数据库 115__eol__3.2.4　知识图谱数据库比较 120__eol__3.3　知识存储关键技术 121__eol__3.3.1　知识图谱数据库的存储：以Neo4j为例 121__eol__3.3.2　知识图谱数据库的索引 124__eol__3.4 开源工具实践 126__eol__3.4.1 三元组数据库Apache Jena 126__eol__3.4.2 Tutorial：面向RDF的三元组数据库gStore 128__eol__参考文献 131__eol____eol__第4章 知识抽取与知识挖掘 133__eol__4.1 知识抽取任务及相关竞赛 133__eol__4.1.1 知识抽取任务定义 133__eol__4.1.2 知识抽取相关竞赛 134__eol__4.2 面向非结构化数据的知识抽取 136__eol__4.2.1 实体抽取 137__eol__4.2.2 关系抽取 142__eol__4.2.3 事件抽取 150__eol__4.3 面向结构化数据的知识抽取 154__eol__4.3.1 直接映射 154__eol__4.3.2 R2RML 156__eol__4.3.3 相关工具 159__eol__4.4 面向半结构化数据的知识抽取 161__eol__4.4.1 面向百科类数据的知识抽取 161__eol__4.4.2 面向Web网页的知识抽取 165__eol__4.5 知识挖掘 168__eol__4.5.1 知识内容挖掘：实体链接 168__eol__4.5.2 知识结构挖掘：规则挖掘 174__eol__4.6 开源工具实践：基于DeepDive的关系抽取实践 178__eol__4.6.1 开源工具的技术架构 178__eol__4.6.2 其他类似工具 180__eol__参考文献 180__eol____eol__第5章 知识图谱的融合 184__eol__5.1 什么是知识图谱融合 184__eol__5.2 知识图谱中的异构问题 185__eol__5.2.1 语言层不匹配 186__eol__5.2.2 模型层不匹配 187__eol__5.3 本体概念层的融合方法与技术 190__eol__5.3.1 本体映射与本体集成 190__eol__5.3.2 本体映射分类 192__eol__5.3.3 本体映射方法和工具 195__eol__5.3.4 本体映射管理 232__eol__5.3.5 本体映射应用 235__eol__5.4 实例层的融合与匹配 236__eol__5.4.1 知识图谱中的实例匹配问题分析 236__eol__5.4.2 基于快速相似度计算的实例匹配方法 240__eol__5.4.3 基于规则的实例匹配方法 241__eol__5.4.4 基于分治的实例匹配方法 244__eol__5.4.5 基于学习的实例匹配方法 260__eol__5.4.6 实例匹配中的分布式并行处理 266__eol__5.5 开源工具实践：实体关系发现框架LIMES 266__eol__5.5.1 简介 266__eol__5.5.2 开源工具的技术架构 267__eol__5.5.3 其他类似工具 269__eol__5.6 本章小结 269__eol__参考文献 270__eol____eol__第6章 知识图谱推理 279__eol__6.1 推理概述 279__eol__6.1.1 什么是推理 279__eol__6.1.2 面向知识图谱的推理 282__eol__6.2 基于演绎的知识图谱推理 283__eol__6.2.1 本体推理 283__eol__6.2.2 基于逻辑编程的推理方法 288__eol__6.2.3 基于查询重写的方法 295__eol__6.2.4 基于产生式规则的方法 301__eol__6.3 基于归纳的知识图谱推理 306__eol__6.3.1 基于图结构的推理 306__eol__6.3.2 基于规则学习的推理 313__eol__6.3.3 基于表示学习的推理 318__eol__6.4 知识图谱推理新进展 324__eol__6.4.1 时序预测推理 324__eol__6.4.2 基于强化学习的知识图谱推理 325__eol__6.4.3 基于元学习的少样本知识图谱推理 326__eol__6.4.4 图神经网络与知识图谱推理 326__eol__6.5 开源工具实践：基于Jena和Drools的知识推理实践 327__eol__6.5.1 开源工具简介 327__eol__6.5.2 开源工具的技术架构 327__eol__6.5.3 开发软件版本及其下载地址 328__eol__6.5.4 基于Jena的知识推理实践 328__eol__6.5.5 基于Drools的知识推理实践 329__eol__6.6 本章小结 329__eol__参考文献 330__eol____eol__第7章 语义搜索 334__eol__7.1 语义搜索简介 334__eol__7.2 结构化的查询语言 336__eol__7.2.1 数据查询 338__eol__7.2.2 数据插入 341__eol__7.2.3 数据删除 341__eol__7.3 语义数据搜索 342__eol__7.4 语义搜索的交互范式 348__eol__7.4.1 基于关键词的知识图谱语义搜索方法 348__eol__7.4.2 基于分面的知识图谱语义搜索 350__eol__7.4.3 基于表示学习的知识图谱语义搜索 352__eol__7.5 开源工具实践 355__eol__7.5.1 功能介绍 355__eol__7.5.2 环境搭建及数据准备 357__eol__7.5.3 数据准备 357__eol__7.5.4 导入Elasticsearch 360__eol__7.5.5 功能实现 (views.py) 361__eol__7.5.6 执