知識圖譜

第一章 概述
1．1 什么是知識圖譜
1．2 知識圖譜發(fā)展歷程
1．3 知識圖譜類型
1．4 知識圖譜生命周期
1．4．1 知識體系構(gòu)建
1．4．2 知識獲取
1．4．3 知識融合
1．4．4 知識存儲
1．4．5 知識推理
1．4．6 知識應用
1．5 知識圖譜與深度學習
1．6 小結(jié)
第二章 知識表示
2．1 經(jīng)典知識表示理論
2．1．1 邏輯
2．1．2 語義網(wǎng)絡
2．1．3 框架
2．1．4 腳本
2．2 語義網(wǎng)中的知識表示方法
2．2．1 語義網(wǎng)表示方法
2．2．2 語義網(wǎng)知識描述體系
2．3 知識圖譜中的知識表示方法
2．3．1 表示框架
2．3．2 Freebase中的知識框架
2．4 知識圖譜的數(shù)值化表示方法
2．4．1 符號的數(shù)值化表示
2．4．2 文本的數(shù)值化表示
2．4．3 知識圖譜的數(shù)值化表示
2．5 小結(jié)
第三章 知識體系構(gòu)建和知識融合
3．1 知識體系構(gòu)建
3．1．1 人工構(gòu)建方法
3．1．2 自動構(gòu)建方法
3．1．3 典型知識體系
3．2 知識融合
3．2．1 框架匹配
3．2．2 實體對齊
3．2．3 沖突檢測與消解
3．2．4 典型知識融合系統(tǒng)
3．3 小結(jié)
第四章 實體識別和擴展
4．1 實體識別
4．1．1 任務概述
4．1．2 基于規(guī)則的實體識別方法
4．1．3 基于機器學習的實體識別——基于特征的方法
4．1．4 基于機器學習的實體識別——基于神經(jīng)網(wǎng)絡的方法
4．2 細粒度實體識別
4．2．1 任務概述
4．2．2 細粒度實體識別方法
4．3 實體擴展
4．3．1 任務概述
4．3．2 實體擴展方法
4．4 小結(jié)
第五章 實體消歧
5．1 任務概述
5．1．1 任務定義
5．1．2 任務分類
5．1．3 相關評測
5．2 基于聚類的實體消歧方法
5．2．1 基于表層特征的實體指稱項相似度計算
5．2．2 基于擴展特征的實體指稱項相似度計算
5．2．3 基于社會化網(wǎng)絡的實體指稱項相似度計算
5．3 基于實體鏈接的實體消歧方法
5．3．1 鏈接候選過濾方法
5．3．2 實體鏈接方法
5．4 面向結(jié)構(gòu)化文本的實體消歧方法
5．5 小結(jié)
第六章 關系抽取
6．1 任務概述
6．1．1 任務定義
6．1．2 任務分類
6．1．3 任務難點
6．1．4 相關評測
6．2 限定域關系抽取
6．2．1 基于模板的關系抽取方法
6．2．2 基于機器學習的關系抽取方法
6．3 開放域關系抽取
6．4 小結(jié)
第七章 事件抽取
7．1 任務概述
7．2 限定域事件抽取
7．2．1 基于模式匹配的事件抽取方法
7．2．2 基于機器學習的事件抽取方法
7．3 開放域事件抽取
7．3．1 基于內(nèi)容特征的事件抽取方法
7．3．2 基于異常檢測的事件抽取方法
7．4 事件關系抽取
7．4．1 事件共指關系抽取
7．4．2 事件因果關系抽取
7．4．3 子事件關系抽取
7．4．4 事件時序關系抽取
7．5 小結(jié)
第八章 知識存儲和檢索
8．1 知識圖譜的存儲
8．1．1 基于表結(jié)構(gòu)的存儲
8．1．2 基于圖結(jié)構(gòu)的存儲
8．2 知識圖譜的檢索
8．2．1 常見形式化查詢語言
8．2．2 圖檢索技術
8．3 小結(jié)
第九章 知識推理
9．1 知識圖譜中的典型推理任務
9．1．1 知識補全
9．1．2 知識問答
9．2 知識推理分類
9．2．1 歸納推理和演繹推理
9．2．2 確定性推理與不確定性推理
9．2．3 符號推理和數(shù)值推理
9．3 基于符號演算的推理
9．3．1 歸納推理：學習推理規(guī)則
9．3．2 演繹推理：推理具體事實
9．4 基于數(shù)值計算的推理
9．4．1 基于張量分解的方法
9．4．2 基于能量函數(shù)的方法
9．5 符號演算和數(shù)值計算的融合推理
9．6 常識知識推理
9．7 小結(jié)
第十章 知識問答與對話
10．1 自動問答概述
10．2 知識問答
10．2．1 知識問答技術概述
10．2．2 基于語義解析的方法
10．2．3 基于搜索排序的方法
10．2．4 常用評測數(shù)據(jù)及各方法性能比較
10．3 知識對話
10．3．1 知識對話技術概述
10．3．2 任務導向型對話模型
10．3．3 通用對話模型
10．3．4 評價方法
10．4 小結(jié)
參考文獻