在信息爆炸的时代，如何有效地组织与利用海量知识是一个亟待解决的问题。知识图谱的出现为知识的表示、存储、推理和应用提供了一种新范式，而知识超图是知识图谱的拓展，融合了层次化表示、超边结构、时间节点、事理节点等概念，可以显著地扩充知识图谱的内涵与功能。本书系统地介绍笔者在知识超图理论、技术、平台上的研究成果，包括知识图谱的基本概念、知识超图模型与构建、知识超图管理与评估、知识超图推理、知识超图平台设计与实现、知识超图平台应用等，并以无人机实际应用场景为实例贯穿全书。全书结构完整、内容翔实，从多个角度为读者展现知识超图技术显著的学术价值和广泛的应用场景，以及其在国防领域的重要应用潜力。
更多科学出版社服务，请扫码获取。
1. ****智能发现与预测关键技术及应用，教育部科学技术进步一等奖，2022年，排名第1（本书依托项目）
目录
第1章 知识图谱概念与发展 1
1.1 源起 1
1.2 概念类型 3
1.2.1 概念内涵与外延 3
1.2.2 早期知识库 4
1.2.3 开放知识图谱 4
1.2.4 中文知识图谱 5
1.2.5 领域知识图谱 6
1.3 研究方向及热点 7
1.3.1 知识表示学习 7
1.3.2 知识获取与融合 8
1.3.3 知识推理 9
1.3.4 知识应用 10
1.4 其他类型知识图谱 14
1.4.1 与或图 14
1.4.2 常识知识图谱 15
1.4.3 时序知识图谱 16
1.4.4 事理图谱 16
1.4.5 五元知识库 17
1.5 本章小结 18
参考文献 18
第2章 知识超图模型与构建 19
2.1 知识超图模型 19
2.1.1 知识超图基本概念 19
2.1.2 知识超图架构 21
2.1.3 知识超图模式设计 23
2.1.4 知识超图推理复杂度分析 25
2.2 知识抽取与挖掘 26
2.2.1 实体识别 27
2.2.2 关系抽取 29
2.2.3 属性抽取 31
2.2.4 事件抽取 34
2.3 知识超图构建 36
2.3.1 事理层构建 37
2.3.2 概念层构建及映射关系构建 40
2.3.3 实例层构建 43
2.4 本章小结 46
参考文献 46
第3章 知识超图管理与评估 47
3.1 知识超图融合 47
3.1.1 知识超图融合任务的定义 47
3.1.2 真值发现 49
3.1.3 实体链接 51
3.1.4 本体匹配 54
3.1.5 实体融合 55
3.2 存储与更新 57
3.2.1 关系数据库存储 58
3.2.2 图数据库存储 59
3.2.3 知识超图更新 60
3.3 知识超图质量评估 63
3.3.1 评估维度 64
3.3.2 评估方法 66
3.4 本章小结 67
参考文献 67
第4章 知识图谱与知识超图的典型应用 68
4.1 语义搜索 68
4.2 自然语言问答 69
4.3 智能推荐 72
4.4 知识推理技术 75
4.4.1 基于逻辑规则的推理 76
4.4.2 基于嵌入表示的推理 78
4.4.3 基于神经网络的推理 81
4.4.4 深度强化学习方法 87
4.4.5 基于对比学习的知识图谱推理方法 89
4.5 本章小结 90
参考文献 90
第5章 基于知识超图的推理决策 92
5.1 基于模型自动构建的推理 92
5.1.1 任务描述 92
5.1.2 模型自动构建经典方法 95
5.1.3 推理框架 96
5.1.4 推理实例 101
5.2 基于知识超图的混合推理 101
5.2.1 混合推理的任务描述 101
5.2.2 知识混合推理典型方法 102
5.2.3 知识图谱混合推理框架 103
5.2.4 知识问答案例 108
5.3 本章小结 112
第6章 知识超图平台设计 113
6.1 典型图数据库 113
6.1.1 Neo4j 113
6.1.2 ArangoDB 114
6.1.3 Dgraph 114
6.1.4 主流图数据库对比 115
6.2 总体设计 116
6.2.1 框架设计 116
6.2.2 集群设计 118
6.3 数据设计 119
6.3.1 数据模型 119
6.3.2 数据逻辑结构 121
6.3.3 数据存储结构 123
6.4 功能设计 127
6.4.1 外部视图 127
6.4.2 内部视图 127
6.4.3 主要功能流程图 128
6.5 本章小结 133
参考文献 133
第7章 知识超图平台实现 134
7.1 功能列表 134
7.2 知识超图模型构建 135
7.2.1 类型管理 135
7.2.2 对象创建 137
7.2.3 超图展示 140
7.2.4 路径查询 140
7.2.5 拓展查询 142
7.3 知识抽取及超图融合 143
7.3.1 实体关系识别 143
7.3.2 实体关系核验 143
7.3.3 超图融合 146
7.4 知识推理 147
7.4.1 相似事件推荐 147
7.4.2 归纳推理 148
7.4.3 演绎推理 149
7.5 本章小结 149
第8章 知识超图平台应用案例 150
8.1 应用案例概述 150
8.2 影响要素分析 151
8.2.1 要素体系梳理 151
8.2.2 关键要素选取 152
8.3 数据获取与处理 153
8.3.1 数据源选取 153
8.3.2 数据采集 154
8.3.3 数据预处理 155
8.4 知识超图构建实例 157
8.4.1 知识体系梳理 157
8.4.2 关联关系完善 158
8.4.3 知识体系更新 159
8.5 基于知识超图的事件预测 160
8.5.1 预测场景：某地卫星发射预测 160
8.5.2 可预测性验证 160
8.5.3 预测模型自动优化 163
8.6 基于知识超图的推理决策 165
8.6.1 数据获取 165
8.6.2 知识抽取 166
8.6.3 知识体系构建 168
8.6.4 事件预测 169
8.7 本章小结 170
参考文献 170
书单推荐
