知识图谱:方法、工具与案例

知识图谱开创了人工智能的新范式，以数据驱动和知识驱动相结合，开启了下一代人工智能，实现了人与人、人与机器、机器与机器的协同协作。此外，知识图谱突破了传统的人工智能研究领域，从广泛的文本、结构化、视觉和时序等多模型数据中提取知识已成为知识图谱发展的主要方向之一，多模态知识图谮的构建可深度融合并灵活运用显式符号知识和隐式数据知识。将深度学习、图深度学习、迁移学习与元学习深度融合是知识图谱的发展趋势，可用于全类型、高涵盖的大规模知识图谱构建，实现更精深的知识推理，是通往鲁棒、可解释的人工智能之路。
Dieter Fensel 是语义网络研究的先驱之一，本书是其团队在知译者序识图谱领域的主要成果之一。本书共5章，主要讨论了知识图谱的整个生命周期，知识图谱的概念、构建、实现、维护和部署、技术架构和未来工作的方向，可作为知识图谱、模式识别与人工智能和计算机视觉等方面的科学家、工程师的参考用书。

《知识图谱：方法、工具与案例》介绍可供信息提供者构建和维护知识图谱的方法和工具，包括实施知识图谱，手动、半自动、自动构建验证语义标记，并将语义标记集成到知识图谱；还介绍用于半自动和自动整理图谱的基于生命周期的方法，可进行评估、纠错，以及利用其他静态和动态资源来丰富知识图谱。 第1章定义知识图谱，重点描述各种方法的影响，而非数学理论。第2章详细阐述如何构建、实现、维护和部署知识图谱。第3章介绍在这些知识图谱上构建的相关应用层，并解释如何用推理来定义这些图谱上的视图，使其成为开放的、面向服务的对话系统的有用资源。第4章讨论知识图谱技术在旅游行业以及其他垂直领域的应用。第5章进行总结，勾勒出未来方向。附录介绍领域规范抽象语法和语义，使schema.org适应特定领域和任务。 为说明方法的实际应用，《知识图谱：方法、工具与案例》以对话界面为重点讨论了几个试点项目，描述知识图谱如何应用于电子营销和电子商务领域。

Dieter Fensel 担任奥地利因斯布鲁克大学计算机科学系STI研究组的主任。Dieter迄今已撰写了300多篇论文。作为语义Web研究的先驱之一，Dieter与人共同举办了ESWC和ISWC等重要的科技会议。Dieter的研究兴趣目前集中在知识图谱的开发和知识图谱生命周期的各个方面。Dieter与seekda和Onlim等公司合作，成功地将自己的研究成果应用于工业领域。

第1章  引言：什么是知识图谱？ 1
1.1  引言 1
1.2  知识图谱的概念性定义 2
1.3  知识图谱的实证定义 7
1.3.1  开放知识图谱 7
1.3.2  专有知识图谱 10
第2章  构建知识图谱 13
2.1  引言 13
2.2  知识创建 16
2.2.1  知识创建方法论 16
2.2.2  建模语言 18
2.2.3  知识生成工具 24
2.3  知识托管 36
2.3.1  语义标注的收集、存储和检索 36
2.3.2  知识图谱的收集、存储和检索 39
2.4  知识管理 41
2.4.1  最大简单知识表示形式 41
2.4.2  知识评估 42
2.4.3  知识清洗 53
2.4.4  知识丰富 60
2.4.5  知识管理综述 71
2.5  知识部署：投入实用 72
第3章  使用知识图谱 81
3.1  引言 81
3.2  融合人工智能和互联网 82
3.2.1  人工智能 60 年回顾 82
3.2.2  Web(用于机器人) 83
3.2.3  小结 91
3.3  知识访问层 91
3.3.1  松散连接的TBox在知识图谱上定义基于逻辑的视图 92
3.3.2  动态数据和活跃数据：语义网络服务 96
3.4  开放和面向服务的对话系统 100
3.4.1  开放的对话系统 100
3.4.2  服务引导对话 105
3.4.3  小结 107
第4章  为什么需要知识图谱：应用 109
4.1  引言 109
4.2  市场 110
4.3  动机和解决方案 111
4.4  旅游用例 117
4.5  能源用例 122
4.6  更多垂直领域 126
4.7  小结 127
第5章  结论 129

以下内容可扫描封底二维码下载

附录A  领域建模形式的语法和语义 133
A.1  领域规范的抽象语法和语义 133
A.1.1  SHACL 134
A.1.2  领域规范的概念描述 135
A.1.3  抽象语法 140
A.1.4  语义 143

Alexa和Google Home等智能音箱将人工智能(Artificial Intelligence，AI)引入了数百万乃至数十亿个家庭，使人工智能渗透到人们的日常生活。现在，人们足不出户，或不使用电脑，也可查找信息、订购产品和服务。我们只需要和一个盒子说话，这个盒子会执行所需的任务，非常方便。这些新的沟通渠道为成功的电子营销和电子商务带来了新挑战。仅运行一个带有许多彩色图片的传统网站已不是最先进的技术了。如今的Web甚至也在通过应用schema.org进行自我改造。数据、内容和服务都有了语义标注，这使得软件智能体(即所谓的机器人)通过Web搜索了解其内容。需要人类浏览大量网站、手动提取并解释信息的时代已经过去。如今，用户通过他们的个人机器人来查找、聚合和个性化信息，还能预留、预订或购买产品和服务。因此，对于信息、产品和服务的供应商而言，在这些新的在线渠道中占据地位变得越来越重要，这可帮助他们确保未来可持续获益。本书讨论了有助于实现这些目标的方法和工具，核心是应用和开发内容、数据及服务的语义标注(可由机器处理)，以及它们在大型知识图谱中的聚合。只有这样，机器人才能不仅可理解问题，而且拥有渊博的知识以回答问题。
这些知识图谱，尤其是基于schema.org的知识图谱，在基于Internet的信息搜索中发挥着越来越重要的作用，已成为成功电子商务和电子营销的关键技术，并对与客户在线互动的经济部门的价值分配产生关键影响。知识图谱是另一种大规模的可扩展数据集成方法，而且很可能不是解决这一难题的最后一种方法。然而，这是我们第一次在全局范围内研究这个问题。在本书中，我们描述了一些方法和工具，这些方法和工具使信息供应商能构建和维护此类知识图谱。具体将介绍以下几个方面：
● 用于手动、半自动、自动构建和验证语义标注，并将其集成到知识图谱的方法和工具。
● 用于实施知识图谱的方法和工具。
● 基于生命周期的半自动和自动管理知识图谱的方法，包括评估、纠正和利用其他静态和动态资源蕴含的知识的方法。
仅是知识本身还不够，还必须可作为问题的潜在答案和对话的指导。
● 电子营销：通过推理方法和工具，我们可从知识图谱中为特定任务和领域得到基于对话的机器人。
● 电子商务：基于服务和产品的语义描述，可设计一个面向目标的对话，改进预留、租用、预订或购买商品和服务的过程。
为说明这些方法的实际用途，我们讨论了几个试点，重点是电子旅游领域。旅游业是全球最大的垂直行业之一，具有巨大的增长潜力。此外，旅游业也是欧洲前途良好的垂直领域之一，价值分配关键取决于在电子营销和电子商务方面的适当能力。潜在客户遍布世界各地，服务供应商也是分散的，大多数是小型企业(例如，蒂罗尔州的数万家小型家庭旅馆)。总的来说，我们关注以下几个方面：
● 集成来自开放、专有、异构和分布式源的内容、数据和服务描述。
● 高效地维护数据上下文(如出处、地理有效性和时间有效性)。
● 使用知识图谱引导对话。
● 集成静态源和动态源。
● 集成语义网络服务以促进操作和自动服务调用。
本书结构如下所述。第1章提供知识图谱的定义。我们的目标不是追求数学精度，而是试图涵盖有关其影响的各种方法。第2章详细介绍如何构建、实施、维护和部署知识图谱。第3章介绍可使用此类知识图谱构建的相关应用层。解释如何使用推理来定义此类图谱上的视图，使其能在开放和面向服务的对话系统中发挥作用。实践是最好的检验标准。第4章阐述知识图谱在电子旅游领域的应用以及在其他垂直领域的用例和试点。第5章对全书进行总结，并指出未来的研究方向。附录A为领域规范引入一种抽象语法和语义，用于使schema.org适应特定的领域和任务。
下载Reference文件以及Links文件
在阅读本书时，会不时看到诸如“(Newell 1982)”的引用内容；你可扫描封底二维码，下载Reference文件，从Reference文件查看引用详情。
本书脚注中多处涉及网页链接，形式是[*]，即方括号中间加数字编号。你可扫描封底二维码，下载Links文件，从Links文件查找与[*]对应的网页链接。