1 知識圖譜基礎知識 1
1.1 知識圖譜定義和分類 1
1.2 知識圖譜基本技術 4
1.2.1 語義網(wǎng)絡概述 5
1.2.2 圖基本概念 8
1.2.3 圖表示和計算 11
1.2.4 實體、關系和屬性 18
1.2.5 本體（知識體系） 20
1.3 知識圖譜構建方法和評價指標 28
1.4 典型知識圖譜介紹 29
1.5 本章小結 31

2 本體描述語言 33
2.1 Web資源標識符 33
2.2 資源描述框架RDF 34
2.2.1 RDF規(guī)則 35
2.2.2 RDF元素 36
2.2.3 RDF實例 39
2.2.4 RDF圖和知識圖譜 41
2.3 RDF模式RDFS 44
2.3.1 RDFS元素 44
2.3.2 RDFS實例 48
2.4 Web本體語言OWL 49
2.4.1 OWL元素 50
2.4.2 OWL實例 64
2.5 曼徹斯特語法 65
2.5.1 基于框架的知識表示 66
2.5.2 巴科斯規(guī)范 67
2.5.3 曼徹斯特語法 69
2.6 本體建模工具Protégé簡介 74
2.6.1 Protégé安裝 74
2.6.2 Protégé類表達式 76
2.7 本章小結 77

3 知識圖譜建設綜述 79
3.1 從本體到知識圖譜 79
3.2 知識圖譜建設原則 82
3.3 知識圖譜建設流程 83
3.4 知識圖譜開發(fā)流程 85
3.5 本章小結 87

4 知識建模-構建本體 88
4.1 本體構建原則 88
4.2 本體構建方法 89
4.3 類層次架構設計準則 92
4.3.1 確保設計正確的類層次架構 93
4.3.2 分析層次架構中的兄弟類 93
4.3.3 考慮類的多重繼承 94
4.3.4 確定引入新類的時機 94
4.3.5 判斷屬性值和類的區(qū)別 94
4.3.6 判斷實例和類的區(qū)別 94
4.3.7 確定本體構建范圍 95
4.3.8 聲明不相交的類 95
4.4 命名規(guī)范的考慮 95
4.5 本章小結 97

5 知識獲取-填充本體 98
5.1 實體抽取 98
5.1.1 命名實體規(guī)范 99
5.1.2 結構化數(shù)據(jù)處理 103
5.1.3 半結構化數(shù)據(jù)處理 114
5.1.4 非結構化數(shù)據(jù)處理 114
5.2 實體屬性和關系抽取 143
5.2.1 實體關系抽取技術概述 143
5.2.2 基于依存句法分析的關系抽取 146
5.3 本章小結 154

6 知識融合-完善圖譜 156
6.1 實體對齊 156
6.1.1 實體對齊技術 157
6.1.2 實體對齊實現(xiàn) 162
6.2 實體消歧 167
6.2.1 實體消歧技術 168
6.2.2 實體消歧實現(xiàn) 171
6.3 指代消解 178
6.3.1 指代消解技術 179
6.3.2 指代消解實現(xiàn) 181
6.4 本章小結 183

7 知識存儲-高效訪問 185
7.1 知識存儲概述 185
7.2 圖數(shù)據(jù)庫Neo4j 187
7.2.1 Windows下安裝 189
7.2.2 Neo4j基礎知識 191
7.2.3 Neo4j基本使用 199
7.3 RDF數(shù)據(jù)操作 202
7.3.1 Neosemantics插件安裝 203
7.3.2 Neosemantics功能列表 206
7.3.3 RDF數(shù)據(jù)的導入導出 212
7.4 Python訪問Neo4j 214
7.4.1 Python訪問Neo4j 214
7.4.2 Python程序示例 217
7.5 本章小結 219

8 知識計算和應用-推理引擎 220
8.1 知識推理 220
8.1.1 基于描述邏輯的推理 220
8.1.2 基于概率邏輯的推理 221
8.1.3 基于規(guī)則的推理 221
8.1.4 基于圖結構的推理 221
8.1.5 基于向量表示的推理 222
8.2 Neo4j圖數(shù)據(jù)科學GDS 222
8.2.1 圖數(shù)據(jù)科學GDS的安裝 223
8.2.2 圖數(shù)據(jù)科學GDS的使用 224
8.3 Python調用GDS 255
8.3.1 GDS客戶端安裝 255
8.3.2 GDS客戶端使用 256
8.3.3 GDS客戶端API 260
8.4 本章小結 261

附錄 262