中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
知識圖譜從0到1:原理與PYTHON實戰 版權信息
- ISBN：9787302662341
- 條形碼：9787302662341 ; 978-7-302-66234-1
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
知識圖譜從0到1:原理與PYTHON實戰 本書特色
本書深入淺出地剖析知識圖譜的奧秘，以代碼實戰為利器，助您輕松構建語義網絡，解鎖人工智能的無限可能。融合大語言模型的前沿視角，本書引領您探索知識圖譜與深度學習的交匯點，開啟智能時代的新篇章。
知識圖譜從0到1:原理與PYTHON實戰 內容簡介
本書旨在幫助讀者全面理解知識圖譜的基本原理和概念。通過清晰的解釋和實例，讀者將深入了解 知識圖譜的構建、表示、推理等關鍵知識點。此外，本書通過提供代碼實戰，引導讀者親自動手構建知 識圖譜，并應用各種技術和工具進行實踐。這種實踐性的講解方法可幫助讀者更深入地理解知識圖譜的 實際應用。本書的目標是幫助讀者全面理解知識圖譜的基本原理和概念，并通過代碼實戰構建知識圖譜。 同時，本書也提供了關于大語言模型與知識圖譜相結合的內容，讓讀者進一步探索這兩個領域的交叉點。 本書內容對于人工智能基礎研究有一定的參考意義，既適合專業人士了解知識圖譜、深度學習和人 工智能的前沿熱點，也適合對人工智能感興趣的讀者閱讀，同時本書也可作為相關開發人員的自學用書 和參考手冊。
知識圖譜從0到1:原理與PYTHON實戰 目錄
**篇 基 礎 篇
第1章 知識圖譜概述 2
1.1 知識圖譜的概念 2
1.2 知識圖譜的發展 6
1.2.1 知識圖譜與人工智能 6
1.2.2 專家系統 8
1.2.3 語義網 9
1.2.4 知識圖譜的發展 11
1.3 知識圖譜的應用與現狀 12
1.3.1 知識圖譜分類 12
1.3.2 通用知識圖譜 14
1.3.3 領域知識圖譜 17
1.4 參考文獻 18
第2章 知識圖譜構建技術 19
2.1 知識表示與知識建模 19
2.1.1 知識表示 19
2.1.2 知識建模 22
2.2 知識抽取 23
2.2.1 實體抽取 24
2.2.2 關系抽取 27
2.2.3 事件抽取 29
2.3 知識存儲 29
2.3.1 基于表結構的關系型數據庫 30
2.3.2 RDF存儲系統 30
2.3.3 原生圖數據庫 34
2.4 知識融合 37
2.4.1 知識融合的概念 37
2.4.2 知識融合的異構 38
2.4.3 本體匹配 38
2.4.4 實體對齊 39
2.5 知識推理 40
2.6 參考文獻 41
第3章 知識圖譜的應用 42
3.1 知識庫問答 42
3.1.1 知識庫問答的構建方法 42
3.1.2 基于知識圖譜的問答系統應用 49
3.2 基于圖譜的推薦系統 49
3.2.1 推薦系統 49
3.2.2 基于知識圖譜的推薦系統 52
3.2.3 推薦系統的應用 58
3.3 參考文獻 59
第4章 數據采集與數據處理 60
4.1 數據采集 60
4.1.1 網絡爬蟲概述 60
4.1.2 網頁爬蟲采集 61
4.1.3 App爬蟲采集 66
4.1.4 反爬蟲 70
4.1.5 Scrapy框架 75
4.2 數據處理 80
4.2.1 結構化數據 81
4.2.2 半結構化數據 81
4.2.3 非結構化數據 82 第二篇 代碼實踐篇 第5章 知識抽取 84
5.1 實體抽取 84
5.1.1 實體抽取模型 84
5.1.2 實體抽取示例 101
5.2 關系抽取 111
5.2.1 關系抽取模型 111
5.2.2 關系抽取示例 115
5.3 事件抽取 124
5.3.1 事件抽取模型 124
5.3.2 事件抽取示例 127
5.4 參考文獻 136
第6章 知識存儲 138
6.1 知識存儲工具 138
6.1.1 Neo4j 138
6.1.2 Virtuoso 148
6.1.3 SPARQL 152
6.2 知識存儲案例 165
6.2.1 Neo4j存儲 166 6.2.2 Virtuoso存儲 169
第7章 知識圖譜構建 173
7.1 圖譜數據 173
7.1.1 數據采集 174
7.1.2 圖譜構建 189
7.1.3 服務器端數據接口 194
7.2 知識圖譜可視化 203
7.2.1 前端項目 203
7.2.2 圖譜可視化 215
第8章 知識圖譜與大語言模型 217
8.1 大語言模型 217
8.1.1 大語言模型概述 218
8.1.2 ChatGPT 219
8.1.3 GLM系列輕量級大語言模型 224
8.2 大語言模型與知識圖譜的融合 234
8.2.1 統一大語言模型與知識圖譜 234
8.2.2 大語言模型與知識圖譜前景 251
1.1 知識圖譜的概念 2
1.2 知識圖譜的發展 6
1.2.1 知識圖譜與人工智能 6
1.2.2 專家系統 8
1.2.3 語義網 9
1.2.4 知識圖譜的發展 11
1.3 知識圖譜的應用與現狀 12
1.3.1 知識圖譜分類 12
1.3.2 通用知識圖譜 14
1.3.3 領域知識圖譜 17
1.4 參考文獻 18
第2章 知識圖譜構建技術 19
2.1 知識表示與知識建模 19
2.1.1 知識表示 19
2.1.2 知識建模 22
2.2 知識抽取 23
2.2.1 實體抽取 24
2.2.2 關系抽取 27
2.2.3 事件抽取 29
2.3 知識存儲 29
2.3.1 基于表結構的關系型數據庫 30
2.3.2 RDF存儲系統 30
2.3.3 原生圖數據庫 34
2.4 知識融合 37
2.4.1 知識融合的概念 37
2.4.2 知識融合的異構 38
2.4.3 本體匹配 38
2.4.4 實體對齊 39
2.5 知識推理 40
2.6 參考文獻 41
第3章 知識圖譜的應用 42
3.1 知識庫問答 42
3.1.1 知識庫問答的構建方法 42
3.1.2 基于知識圖譜的問答系統應用 49
3.2 基于圖譜的推薦系統 49
3.2.1 推薦系統 49
3.2.2 基于知識圖譜的推薦系統 52
3.2.3 推薦系統的應用 58
3.3 參考文獻 59
第4章 數據采集與數據處理 60
4.1 數據采集 60
4.1.1 網絡爬蟲概述 60
4.1.2 網頁爬蟲采集 61
4.1.3 App爬蟲采集 66
4.1.4 反爬蟲 70
4.1.5 Scrapy框架 75
4.2 數據處理 80
4.2.1 結構化數據 81
4.2.2 半結構化數據 81
4.2.3 非結構化數據 82 第二篇 代碼實踐篇 第5章 知識抽取 84
5.1 實體抽取 84
5.1.1 實體抽取模型 84
5.1.2 實體抽取示例 101
5.2 關系抽取 111
5.2.1 關系抽取模型 111
5.2.2 關系抽取示例 115
5.3 事件抽取 124
5.3.1 事件抽取模型 124
5.3.2 事件抽取示例 127
5.4 參考文獻 136
第6章 知識存儲 138
6.1 知識存儲工具 138
6.1.1 Neo4j 138
6.1.2 Virtuoso 148
6.1.3 SPARQL 152
6.2 知識存儲案例 165
6.2.1 Neo4j存儲 166 6.2.2 Virtuoso存儲 169
第7章 知識圖譜構建 173
7.1 圖譜數據 173
7.1.1 數據采集 174
7.1.2 圖譜構建 189
7.1.3 服務器端數據接口 194
7.2 知識圖譜可視化 203
7.2.1 前端項目 203
7.2.2 圖譜可視化 215
第8章 知識圖譜與大語言模型 217
8.1 大語言模型 217
8.1.1 大語言模型概述 218
8.1.2 ChatGPT 219
8.1.3 GLM系列輕量級大語言模型 224
8.2 大語言模型與知識圖譜的融合 234
8.2.1 統一大語言模型與知識圖譜 234
8.2.2 大語言模型與知識圖譜前景 251
展開全部
知識圖譜從0到1:原理與PYTHON實戰 作者簡介
劉 威
在知識圖譜、大數據開發、后端開發等領域有著豐富的經驗，先后從事爬蟲、大數據、知識圖譜開發相關的工作。現就職于北京某科研實驗室，曾在人民日報媒體技術股份有限公司從事爬蟲、大數據、知識圖譜開發等工作。
書友推薦
- >
山海經
- >
羅曼·羅蘭讀書隨筆-精裝
- >
我從未如此眷戀人間
- >
自卑與超越
- >
推拿
- >
史學評論
- >
中國人在烏蘇里邊疆區:歷史與人類學概述
- >
羅庸西南聯大授課錄
本類暢銷
