1 知識(shí)圖譜基礎(chǔ)知識(shí) 1
1.1 知識(shí)圖譜定義和分類 1
1.2 知識(shí)圖譜基本技術(shù) 4
1.2.1 語義網(wǎng)絡(luò)概述 5
1.2.2 圖基本概念 8
1.2.3 圖表示和計(jì)算 11
1.2.4 實(shí)體、關(guān)系和屬性 18
1.2.5 本體（知識(shí)體系） 20
1.3 知識(shí)圖譜構(gòu)建方法和評(píng)價(jià)指標(biāo) 28
1.4 典型知識(shí)圖譜介紹 29
1.5 本章小結(jié) 31

2 本體描述語言 33
2.1 Web資源標(biāo)識(shí)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(shí)例 39
2.2.4 RDF圖和知識(shí)圖譜 41
2.3 RDF模式RDFS 44
2.3.1 RDFS元素 44
2.3.2 RDFS實(shí)例 48
2.4 Web本體語言O(shè)WL 49
2.4.1 OWL元素 50
2.4.2 OWL實(shí)例 64
2.5 曼徹斯特語法 65
2.5.1 基于框架的知識(shí)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(dá)式 76
2.7 本章小結(jié) 77

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

4 知識(shí)建模-構(gòu)建本體 88
4.1 本體構(gòu)建原則 88
4.2 本體構(gòu)建方法 89
4.3 類層次架構(gòu)設(shè)計(jì)準(zhǔn)則 92
4.3.1 確保設(shè)計(jì)正確的類層次架構(gòu) 93
4.3.2 分析層次架構(gòu)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(shí)機(jī) 94
4.3.5 判斷屬性值和類的區(qū)別 94
4.3.6 判斷實(shí)例和類的區(qū)別 94
4.3.7 確定本體構(gòu)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(jié) 97

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

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

7 知識(shí)存儲(chǔ)-高效訪問 185
7.1 知識(shí)存儲(chǔ)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(chǔ)知識(shí) 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(dǎo)入導(dǎo)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(jié) 219

8 知識(shí)計(jì)算和應(yīng)用-推理引擎 220
8.1 知識(shí)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(jié)構(gòu)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(xué)GDS 222
8.2.1 圖數(shù)據(jù)科學(xué)GDS的安裝 223
8.2.2 圖數(shù)據(jù)科學(xué)GDS的使用 224
8.3 Python調(diào)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(jié) 261

附錄 262