[中国からのダイレクトメール] I READING Knowledge Map: 方法、実践、応用

編集者の選択

ナレッジグラフ方式。ナレッジグラフの開発の歴史と基本概念を体系的に説明し、ナレッジグラフのライフサイクル技術全体を整理し、方法論的思考を確立します。

ナレッジグラフの練習。これには、知識の表現とモデリング、知識の保存、知識の抽出とマイニング、知識の融合、知識の推論、意味検索、知識の質問と回答などが含まれ、ナレッジ グラフ テクノロジが体系的に紹介されています。各章では、典型的なオープンソース ツールの実践的なケースを示し、関連するツール、実験データ、および完全な操作手順を提供します。

ナレッジグラフアプリケーション。電子商取引、グラフィックス、生活とエンターテイメント、企業商取引、ベンチャーキャピタル、臨床中国医学、金融などの実践的なアプリケーションシナリオを組み合わせて、ドメインナレッジグラフを構築する方法が詳細に紹介されています。

簡単な紹介

ナレッジ グラフは典型的な複合分野であり、知識工学、自然言語処理、機械学習、グラフ データベースなどの分野が含まれます。 「ナレッジ グラフ: 方法、実践、および応用」では、ナレッジ モデリング、関係抽出、グラフ保存、自動推論、グラフ表現学習、セマンティック検索、知識の質問と回答、グラフ マイニング分析、等さらに、本書は学術の最前線と実践的な応用を組み合わせることも試みており、読者が実践的な応用能力を習得しながら最先端の技術の発展を理解できるようにしています。

『ナレッジグラフ：手法・実践・応用』は、コンピュータや人工知能に関連する研究者が読むのに適しているだけでなく、企業の最前線で技術開発やアプリケーション開発に携わる方の読み物としてもご利用いただけます。大学でコンピューターや人工知能を専攻する教師や学生向けの参考書。参考書。

著者について

Wang Haofen は、上海交通大学でコンピューター サイエンスの博士号を取得しています。 Chinese Knowledge Graph zhishi.me 創設者、OpenKG 創設者の 1 人、CCF ディレクター、CCF 用語承認作業委員会ディレクター、CCF TF 執行委員会メンバー、中国語情報言語知識コンピューティング委員会副事務局長社会、上海交通大学同窓会AI支部書記。ナレッジグラフ、質疑応答システム、チャットロボットなど多くの分野で豊富な研究開発経験を持つ。

Qi Guilin 氏、東南大学コンピュータ サイエンス学部教授、東南大学認知知能研究所所長、南京科基データ技術有限公司の主席科学者、OpenKG 創設者の 1 人、言語および言語の副所長中国中国情報協会のナレッジ コンピューティング専門委員会、中国科学技術情報協会の知識組織専門委員会の副委員長、エルゼビア データ管理諮問委員会のコンサルタント、国際ジャーナル Journal of Data Intelligence のエグゼクティブ エディター。科学研究の結果は、インテリジェントな停電検出と知識のプッシュ、医療知識の質疑応答、ネットワーク セキュリティ状況認識システムなどの分野に応用されています。

Chen Huajun は、浙江大学コンピューター科学技術学部の教授です。浙江大学アリババ知識エンジン共同研究所所長、ビッグデータインテリジェントコンピューティング浙江省重点研究所副所長、中国人工知能学会知識工学・分散知能専門委員会副所長、言語部副所長中国情報学会のナレッジ コンピューティング専門委員会、OpenKG の会長、創設者。国際セマンティックウェブ会議ISWCで最優秀論文賞を受賞。

素晴らしい本のレビュー

本書は、ナレッジグラフの開発経緯、技術体系、活用事例を体系的に紹介しており、研究者や関連企業の技術者にとって有益な書籍です。本質的に、ナレッジ グラフは、データから物事間の複雑な関係を特定、発見、推測することを目的としており、物事間の関係の計算可能なモデルです。ナレッジ グラフは、World Wide Web の開発の理想を表しており、人工知能とインターネットの深い統合の産物でもあります。この本の内容は基本的に、ナレッジ グラフに関する現在の研究とエンジニアリングの進歩のあらゆる側面をカバーしており、この分野で働く若い人が読むのに非常に適しています。

周明

国際計算言語学協会 (ACL) 会長、マイクロソフト リサーチ アジア副社長

人類は人工知能の時代に突入しました。いわゆる「知恵」とは知識として表現される知恵を指し、「能力」とは主に知識に基づく推論能力や知識を活用して問題を解決する能力などとして表現される問題解決能力を指します。したがって、知識は知能の基盤であり、中核です。知識のモデリング、表現、獲得、融合、推論、強化は、人工知能とその関連アプリケーションの中核となる科学的課題です。ナレッジ グラフは、その効果的な技術実装方法です。 3人の若手研究者はナレッジグラフの分野で長年研究しており、科学研究、技術開発、産業実装において多大な貢献をしており、豊富な実務経験と見識を持っています。この本では、3 人の若い学者が、ナレッジ グラフに関わるさまざまな技術的側面について詳細な要約、紹介、展望を作成し、ナレッジ グラフのライフ サイクル全体におけるすべてのリンクと詳細をカバーしています。

人工知能時代において、非常に実践的なナレッジグラフの技術参考書であり、上級学部生・大学院生の教科書としてもご利用いただけます。

チャン・ミン

蘇州大学特別教授、国家優秀青少年基金受賞者、人間言語技術研究所所長

ナレッジ グラフには、セマンティック検索、パーソナライズされた推奨事項、コンテンツ理解、パーソナル アシスタント、インテリジェントな質疑応答などの多くの実装シナリオがあり、金融​​、医療、顧客サービス、教育、政府事務などの垂直分野で産業レベルのアプリケーションがあります。業界の観点から見ると、ナレッジ グラフ テクノロジが実装されたときにユーザーのニーズを満たせるかどうか、また比較的良好なユーザー エクスペリエンスを提供できるかどうかがより懸念されています。本書の内容は、理論やアルゴリズムだけでなく、技術実装における実践例や応用例も多数掲載しているため、技術者が技術を選択して実装を試みる際に、寄り道をせずにすぐに始めることができます。さらに、この本の主な著者は全員 OpenKG の開始者および中心的な参加者であり、豊富な理論的知識と第一線の実践経験を持っています。同時に、オープンドメインナレッジグラフの構築は、さまざまな分野におけるグラフ応用を促進する上で非常に重要である。したがって、この本と OpenKG を業界のより多くの友人に紹介できることを非常に嬉しく思います。

崔宝丘

Xiaomiグループ副社長、グループ技術委員会委員長

目次

第1章 ナレッジグラフの概要 1

1.1 ナレッジグラフとは1

1.2 ナレッジグラフ2の発展の歴史

1.3 ナレッジグラフ 5 の価値

1.4 国内外の代表的なナレッジグラフプロジェクト 9

1.4.1 初期知識ベース プロジェクト 9

1.4.2 インターネット時代のナレッジグラフ 9

1.4.3 中国語のオープンナレッジグラフ 12

1.4.4 垂直領域知識グラフ 13

1.5 ナレッジグラフの技術的プロセス 15

1.6 ナレッジグラフの関連技術 19

1.6.1 ナレッジグラフとデータベースシステム 19

1.6.2 ナレッジグラフとインテリジェントな質問応答 23

1.6.3 知識グラフと機械推論 25

1.6.4 ナレッジグラフと推奨システム 28

1.6.5 ブロックチェーンと分散型ナレッジグラフ 29

1.7 この章の概要 30

参考資料31

第 2 章 ナレッジ グラフの表現とモデリング 40

2.1 知識表現とは何か 40

2.2 人工知能における初期の知識表現方法 43

2.2.1 一次述語論理 43

2.2.2 ホーン節とホーンロジック 43

2.2.3 セマンティックネットワーク 44

2.2.4 フレームワーク 45

2.2.5 記述ロジック 47

2.3 インターネット時代のセマンティック Web 知識表現フレームワーク 48

2.3.1 RDF と RDFS 48

2.3.2 OWLおよびOWL2フラグメント 53

2.3.3 ナレッジグラフクエリ言語の表現 59

2.3.4 セマンティックマークアップ表現言語 62

2.4 一般的なオープンドメイン知識グラフの知識表現方法 64

2.4.1 フリーベース 64

2.4.2 ウィキデータ 65

2.4.3 ConceptNet5 66

2.5 ナレッジグラフのベクトル表現方法 68

2.5.1 ナレッジグラフ表現における課題 68

2.5.2 ワードベクトルの表現方法 68

2.5.3 ナレッジグラフ埋め込みの概念 71

2.5.4 ナレッジグラフ埋め込みの利点72

2.5.5 ナレッジグラフ埋め込みの主な方法72

2.5.6 ナレッジグラフ埋め込みの適用 75

2.6 オープンソースツールの実践: Protégé 77 に基づくオントロジー知識モデリング

2.6.1 はじめに 77

2.6.2 環境の準備 78

2.6.3 弟子の実践の主な機能のデモンストレーション 78

2.7 この章の概要 80

参考文献80

第 3 章 知識の蓄積 82

3.1 ナレッジグラフデータベースの基礎知識 82

3.1.1 ナレッジグラフデータモデル 82

3.1.2 ナレッジグラフクエリ言語 85

3.2 一般的な知識グラフの保存方法 91

3.2.1 リレーショナル データベースに基づくストレージ ソリューション 91

3.2.2 RDF指向トリプルデータベース101

3.2.3 ネイティブグラフデータベース 115

3.2.4 ナレッジグラフデータベースの比較 120

3.3 知識ストレージのための主要テクノロジー 121

3.3.1 ナレッジグラフデータベースの保存: Neo4j を例に挙げる 121

3.3.2 ナレッジグラフデータベースのインデックス 124

3.4 オープンソースツールの実践 126

3.4.1 トリプレット データベース Apache Jena 126

3.4.2 RDF 指向のトリプル データベース gStore 128

参考資料131

第 4 章 知識の抽出と知識のマイニング 133

4.1 知識抽出タスクと関連コンテスト 133

4.1.1 知識抽出タスクの定義 133

4.1.2 知識抽出関連のコンテスト 134

4.2 非構造化データからの知識の抽出 136

4.2.1 エンティティの抽出 137

4.2.2 関係の抽出 142

4.2.3 イベント抽出150

4.3 構造化データからの知識の抽出 154

4.3.1 ダイレクトマッピング 154

4.3.2 R2RML 156

4.3.3 関連ツール 159

4.4 半構造化データからの知識の抽出 161

4.4.1 百科事典データの知識抽出 161

4.4.2 Web ページの知識抽出 165

4.5 ナレッジマイニング 168

4.5.1 ナレッジコンテンツマイニング: エンティティリンク 168

4.5.2 知識構造マイニング: ルールマイニング 174

4.6 オープンソースツールの実践: DeepDive 178 に基づく関係抽出の実践

4.6.1 オープンソースツールの技術アーキテクチャ 178

4.6.2 他の同様のツール180

参考文献 180

第 5 章 ナレッジグラフの融合 184

5.1 ナレッジグラフフュージョンとは184

5.2 ナレッジグラフにおける異質な問題 185

5.2.1 言語層の不一致 186

5.2.2 モデル層の不一致 187

5.3 オントロジー概念層における融合手法と技術 190

5.3.1 オントロジーマッピングとオントロジー統合 190

5.3.2 オントロジーマッピングの分類 192

5.3.3 オントロジーマッピングの方法とツール 195

5.3.4 オントロジーマッピング管理 232

5.3.5 オントロジーマッピングアプリケーション235

5.4 インスタンス層の融合とマッチング 236

5.4.1 ナレッジグラフ236におけるインスタンスマッチング問題の分析

5.4.2 高速類似度計算に基づくインスタンスマッチング方法 240

5.4.3 ルールベースのインスタンス照合方法 241

5.4.4 分割統治に基づくインスタンスマッチング方法 244

5.4.5 学習ベースのインスタンスマッチング方法260

5.4.6 インスタンスマッチング266における分散並列処理

5.5 オープンソースツールの実践: エンティティ関係検出フレームワーク LIMES 266

5.5.1 はじめに 266

5.5.2 オープンソースツールの技術アーキテクチャ 267

5.5.3 その他の同様のツール 269

5.6 この章の概要 269

参考文献269

第 6 章 ナレッジグラフの推論 279

6.1 推論の概要 279

6.1.1 推論とは何か 279

6.1.2 ナレッジグラフ指向の推論 282

6.2 演繹に基づくナレッジグラフ推論 283

6.2.1 オントロジー推論 283

6.2.2 論理プログラミングによる推論方法 288

6.2.3 クエリ書き換えに基づく手法 295

6.2.4 プロダクションルールに基づくメソッド301

6.3 帰納法に基づくナレッジグラフ推論 306

6.3.1 グラフ構造に基づく推論306

6.3.2 ルール学習に基づく推論 313

6.3.3 表現学習に基づく推論 318

6.4 ナレッジグラフ推論における新たな進歩 324

6.4.1 時系列予測推論 324

6.4.2 強化学習に基づくナレッジグラフ推論 325

6.4.3 メタ学習に基づく少数サンプル知識グラフ推論 326

6.4.4 グラフニューラルネットワークとナレッジグラフ推論 326

6.5 オープンソースツールの実践: Jena と Drools に基づく知識推論の実践 327

6.5.1 オープンソースツールの概要 327

6.5.2 オープンソースツールの技術アーキテクチャ 327

6.5.3 開発ソフトウェアのバージョンとダウンロードアドレス 328

6.5.4 Jena 328 に基づく知識推論の実践

6.5.5 Drools 329 に基づく知識推論の実践

6.6 この章の要約 329

リファレンス330

第 7 章 セマンティック検索 334

7.1 セマンティック検索の概要 334

7.2 構造化クエリ言語 336

7.2.1 データクエリ 338

7.2.2 データ挿入 341

7.2.3 データの削除 341

7.3 セマンティックデータ検索 342

7.4 セマンティック検索のためのインタラクションパラダイム 348

7.4.1 キーワードベースのナレッジグラフ意味論的検索方法 348

7.4.2 ファセットベースのナレッジグラフのセマンティック検索 350

7.4.3 表現学習に基づくナレッジグラフ意味検索 352

7.5 オープンソースツールの実践 355

7.5.1 機能の紹介 355

7.5.2 環境設定とデータの準備 357

7.5.3 データの準備 357

7.5.4 Elasticsearch 360 のインポート

7.5.5 関数の実装 361

7.5.6 クエリの実行 363

リファレンス364

第 8 章 質疑応答 366

8.1 トリビアの概要 366

8.1.1 知識の質問と回答の基本要素 366

8.1.2 知識の質問と回答に関する関連作業 367

8.1.3 知識の質問と回答の応用シナリオ 369

8.2 知識の質問と回答の分類システム 371

8.2.1 質問の種類と回答の種類 371

8.2.2 ナレッジベースの種類 374

8.2.3 エージェントの種類 375

8.3 知識質疑応答システム 376

8.3.1 NLIDB: 早期質問応答システム 376

8.3.2 IRQA: 情報検索ベースの質問応答システム 380

8.3.3 KBQA: ナレッジベースの質問応答システム 380

8.3.4 CommunityQA/FAQ-QA: 質問と回答のペアのマッチングに基づく質問と回答システム 381

8.3.5 ハイブリッド QA フレームワーク ハイブリッド質問応答システム フレームワーク 382

8.4 知識問答の評価方法 386

8.4.1 質問応答システムの評価指標 386

8.4.2 質問応答システムの評価データセット 387

8.5 KBQA 最先端テクノロジー 392

8.5.1 KBQA 392 が直面する課題

8.5.2 テンプレートベースのメソッド 394

8.5.3 意味解析に基づくメソッド 398

8.5.4 ディープラーニング 401 に基づく従来の質問と回答モジュールの最適化

8.5.5 深層学習に基づくエンドツーエンドの質問応答モデル 405

8.6 オープンソースツールの実践 406

8.6.1 Elasticsearch を使用して簡単な知識の質問と回答システムを構築する 406

8.6.2 gAnswer 410 に基づく中国語と英語の知識質問と回答システムの構築

8.7 この章の要約 415

リファレンス416

第9章 ナレッジグラフ応用事例420

9.1 ドメイン知識グラフ構築の技術的プロセス 420

9.1.1 ドメイン知識モデリング 421

9.1.2 知識の蓄積 422

9.1.3 知識の抽出 422

9.1.4 知識の融合 423

9.1.5 ナレッジコンピューティング 423

9.1.6 知識の応用 424

9.2 ドメイン知識グラフを構築するための基本的な方法 425

9.2.1 トップダウン構築法 425

9.2.2 ボトムアップ工法 426

9.3 ドメインナレッジグラフの応用例 428

9.3.1 電子商取引ナレッジグラフの構築と応用 428

9.3.2 グラフ知識グラフの構築と応用 431

9.3.3 ライフスタイルエンターテイメントナレッジグラフの構築と応用: Meituan を例に挙げる 435

9.3.4 企業ビジネスナレッジグラフ440の構築と応用

9.3.5 ベンチャーキャピタルのナレッジグラフ443の構築と応用

9.3.6 漢方臨床分野におけるナレッジグラフの構築と応用 448

9.3.7 金融証券業界におけるナレッジグラフ適用の実践 452

9.4 この章の要約 460

参考文献461

序文/序文

順序

ナレッジ グラフは人工知能の一分野であり、説明可能な人工知能において重要な役割を果たします。近年、知識表現や機械学習などの技術の発展に伴い、ナレッジグラフ関連技術は飛躍的に進歩しており、特にナレッジグラフ構築技術、推論・計算技術、知識サービス技術は急速に発展している。これらの技術の進歩により、ナレッジグラフは業界で広く注目を集め、目覚ましい成果を上げています。 Google、Microsoft、Baidu などのインターネット企業は、ユーザーのクエリをより深く理解するために、エンティティと関係に基づいたセマンティック検索を提供する大規模な一般知識グラフの構築に率先して取り組んできました。ナレッジ グラフは、インテリジェントな意思決定システム、推奨システム、インテリジェントな質疑応答システムでも重要な役割を果たします。ナレッジ グラフには、膨大な応用価値があるだけでなく、重要な理論的価値もあります。ナレッジ グラフは、従来の知識表現および推論テクノロジに足場を与えるだけでなく、知識表現および推論に新たな課題ももたらします。

本書はナレッジグラフの理論、技術、応用を体系的に紹介しています。理論面では、ナレッジグラフの基礎となるナレッジグラフのさまざまな表現方法や推論方法を網羅的に紹介しています。テクノロジーの面では、本書はナレッジ グラフのストレージとクエリ技術、マイニング構築、知識融合技術、さらにはナレッジ グラフに基づくセマンティック検索とインテリジェントな質問と回答の技術を包括的に紹介します。アプリケーションの面では、本書は業界におけるナレッジ グラフの典型的なアプリケーション シナリオを包括的に紹介し、ナレッジ グラフの開発に栄養を提供します。ナレッジグラフに関する専門書はまだ少ないのが現状ですが、本書は大多数のナレッジグラフ研究者やアプリケーション担当者に朗報となるでしょう。

本書の著者はナレッジグラフの研究と産業応用に豊富な経験を持つ専門家や学者であり、ナレッジグラフの学術研究と産業化の実践をうまく統合しており、本書の出版がナレッジグラフの普及と産業化に貢献すると信じています。ナレッジグラフ技術の応用、開発は非常にプラスの効果をもたらします。

序文

ナレッジ グラフの初期の概念は、World Wide Web の父であるティム バーナーズ リーのセマンティック Web (セマンティック Web) のアイデアに由来しています。これは、グラフ構造 (グラフ構造) を使用してモデル化し、より正確なオブジェクトレベルの検索を効果的に実現するために、世界のあらゆるものの関係と知識を記録します。ナレッジ グラフ関連のテクノロジは、検索エンジン、インテリジェントな質問応答、言語理解、レコメンデーション コンピューティング、ビッグ データ意思決定分析などの多くの分野で広く使用されています。近年、自然言語処理、ディープラーニング、グラフデータ処理などの多くの分野の急速な発展に伴い、ナレッジグラフは自動化された知識獲得、知識表現の学習と推論、大規模データ処理の分野で多くの新たな進歩を遂げています。グラフマイニングと分析。ナレッジグラフは認知レベルの人工知能を実現するために不可欠かつ重要な技術の1つとなっています。

なぜこの本を書くのか

ナレッジグラフは、知識工学、自然言語処理、機械学習、グラフデータベースなどの分野を含む典型的な横断分野です。ナレッジ グラフの構築と応用には、知識モデリング、関係抽出、グラフ ストレージ、自動推論、グラフ表現学習、セマンティック検索、インテリジェントな質問応答、グラフ コンピューティング分析など、より細分化された分野の一連の主要テクノロジが含まれます。ナレッジ マッピングで適切な仕事をするには、複数の分野に属するこれらのテクノロジを体系的に習得し、適用する必要があります。

本書執筆の第一の目的は、これらのナレッジポイントを可能な限り整理・整理し、読者が関連技術を体系的に習得し、ナレッジグラフ技術を全体的、グローバルかつ体系的な視点から捉え、応用できるようにすることにある。初期のナレッジ グラフ アプリケーションは、主に Google や Baidu などの企業の一般的なドメイン検索エンジンと、Tmall Genie、Xiaomi Xiaoai などの検索に基づいて開発されたナレッジ グラフに基づくインテリジェントな質問と回答のアプリケーションでした。このようなアプリケーションは主に、百科事典のナレッジ グラフなどの一般分野のナレッジ グラフに依存しています。近年、ナレッジグラフは医療、金融、セキュリティなどの垂直領域においても発展しており、ナレッジグラフの応用範囲は一般分野からさらに垂直領域へと広がっています。この分野に参入したばかりの実務者は、アプリケーションから始めてナレッジグラフの研究開発を実行できる必要があります。

本書を執筆する 2 番目の目的は、これらのナレッジ グラフ アプリケーション開発者にリファレンス ツール 本を提供することです。そこで本書では、章末に技術的なポイントに関連してよく使われるオープンソースツールを紹介するセクションを設け、本書付属のWebサイト上で完全な実践的なチュートリアルを提供しています。

近年、人工知能のさらなる発展に伴い、ナレッジグラフは、深い知識の抽出、表現学習と機械推論、知識ベースの解釈可能な人工知能、グラフマイニング、グラフニューラルネットワークの分野で一連の新たな進歩を遂げています。本書を執筆する第 3 の目的は、ナレッジ グラフに関連するこれらの分野の最新動向を整理し、読者が技術開発の最前線を理解できるようにすることです。

この本の著者について

関連分野の研究開発に携わる国内の第一線の専門家を招いた書籍です。 3 人の編集長は全員、セマンティック Web とナレッジ グラフの分野で 10 年以上の研究開発経験を持ち、中国分野のオープン ナレッジ グラフである OpenKG の立ち上げ者でもあります。各章は細分化された技術分野ごとに専門家が執筆しており、学術研究に携わる国内大学の教員や開発実務経験が豊富な企業の技術者などが編集者として参加しています。

この本の主な内容

本書は全部で 9 章から構成されており、主な内容は次のとおりです。

第 1 章では主に、基本概念、歴史的起源、典型的なナレッジ グラフ プロジェクト、技術要素、およびナレッジ グラフの核となる応用価値を紹介します。

第 2 章では、知識表現とモデリングに焦点を当て、述語論理、記述論理、フレームワーク システムなど、従来の人工知能分野における代表的な知識表現手法を紹介し、次にインターネット時代の知識表現フレームワークに焦点を当てます。 RDFやOWLとしての紹介や、ナレッジグラフのベクトル表現方法の紹介なども紹介しています。最後に、Protégé を例として、知識モデリングの具体的な実践プロセスを紹介します。

第 3 章はナレッジ ストレージに焦点を当てており、最初にナレッジ グラフ ストレージの主な特徴と問題点を紹介し、次に一般的に使用されるいくつかのナレッジ グラフ ストレージ インデックスとストレージ テクノロジを紹介し、ネイティブ グラフ データベースの技術原則を簡単に紹介します。さらに、一般的に使用されるグラフ データベースについても簡単に紹介し、Apache Jena と gStore を例として、ナレッジ グラフ ストレージの具体的な実践プロセスを紹介します。

第 4 章では、ナレッジ抽出とナレッジ マイニングに焦点を当て、まずさまざまなソースからナレッジ グラフ データを取得する一般的な方法を紹介し、次にエンティティ抽出、関係抽出、イベント抽出などに焦点を当て、ナレッジ グラフを取得する方法について詳しく説明します。テキストからのデータ。最後に、DeepDive オープンソース ツールを例として、関係抽出の具体的な実践プロセスを紹介します。

第 5 章では、ナレッジ グラフの融合に焦点を当て、オントロジー マッピング、セマンティック マッピング技術、エンティティ アライメント、エンティティ リンクなどを含む、コンセプト層の融合とエンティティ層の融合を紹介します。最後に、LIMES オープンソース ツールを例として、エンティティ融合の具体的な実践プロセスを紹介します。

第 6 章ではナレッジグラフ推論に焦点を当て、まず推論の基本概念を紹介し、演繹論理に基づくナレッジグラフ推論、帰納法に基づくナレッジグラフ推論まで、よく使われるナレッジグラフ推論技術を紹介します。最後に、ナレッジ グラフ推論の具体的な実践プロセスが、Apache Jena や Drools などのオープン ソース ツールを例として使用して紹介されます。

第 7 章と第 8 章では、それぞれセマンティック検索と知識の質問と回答に焦点を当て、セマンティック インデックス作成やナレッジ グラフベースの質問と回答などの一連のテクノロジーを紹介し、gAnswer などのオープンソース ツールを例として、これらを実現するための具体的な実践方法を紹介します。ナレッジグラフに基づく正確な検索と質疑応答のプロセス。

第9章は応用事例の章であり、著者は電子商取引、グラフィックス、ライフ＆エンターテイメント、企業商取引、ベンチャーキャピタル、伝統的な中国医学の臨床分野、金融証券業界における7つの応用事例を選択し、実装プロセスと知識の応用を分析しました。さまざまな分野におけるグラフ技術の手法を紹介します。

この本の読み方

これは分厚い本ですが、読者はこの本をどのように活用すればよいでしょうか?

この本を読む前に、読者はデータベース、機械学習、自然言語処理に関する基本的な知識を学習する必要があります。本書の各章は、ナレッジ グラフの関連する技術的なポイントに基づいて配置されています。ナレッジ グラフには多くの技術的な側面が含まれるため、ナレッジ グラフの分野に入ったばかりの読者は、本書を何度か読むことをお勧めします。

 最初のパスでは、主に基本的な概念を理解するために本全体を読みますが、学術の最前線とオープンソース ツールの実践的な部分に関わる内容は簡単に閲覧することしかできません。

 2回目では、各章の最後にオープンソースツールの実践的な学習を重点的に行い、実践的な操作を通じて各技術ポイントの理解を深めます。

3回目は各章で紹介されているアルゴリズムを学び、関連論文の読解と組み合わせてアルゴリズムの理解を深めます。この段階では、詳細な調査のために興味のある技術ポイントを選択できます。

この本を執筆する際、編集者は各章の技術的なポイントの独立性を考慮しました。ナレッジ グラフの特定の技術をすでにある程度理解している読者は、厳密に章の順序に従って読むことはできませんが、興味のある章を選択してください。勉強する。 。

謝辞

この本は多くの人々の共同の努力の結果であり、編集者の皆様の共同の努力に感謝したいと思います。同時に、この本の執筆過程で、北京大学のZou Lei、湖南大学のPen Peng、Yuan Xihao、Han Lushan、Wang Yipeng、Sun Shengnan、Haizhi IntelligenceのGuo Yuting、Wu Tongtong、Tan Yiming、Huaが参加しました。東南大学のYuncheng氏、Hu Sen氏、浙江大学のZhang Wen氏、Wang Guanying氏、Wang Ruoxu氏、Chen Mingyang氏、Wang Liang氏、Ye Zhiquan氏らからも、大変貴重な研究成果と改訂意見を提供していただき、心より感謝を申し上げます。

Electronic Industry Press ブログの編集者 Song Yadong の熱意に後押しされ、Electronic Industry Press との協力がついに推進されました。査読の過程で、彼は繰り返し専門家を招き、この本について有益なコメントを提供してもらい、それが原稿の改訂と改善に重要な役割を果たしました。 Electronic Industry Press Blog Viewpoint と編集者の Song Yadong に、この本に関心を寄せていただき、またこの本の出版のために尽力していただいたことに感謝いたします。

中国分野におけるオープンナレッジグラフの開発を促進するために、本書の著者は全会一致で印税の一部をOpenKGに寄付することに同意した。また、この本に参加したすべての著者の無私な貢献に感謝の意を表したいと思います。

著者のレベルが限られているため、本に欠陥や誤りがあることは避けられません。また、ナレッジ グラフ テクノロジについては広範囲に及ぶため、本書にはいくつかの省略が含まれることは避けられませんが、専門家や読者による批判や修正を歓迎します。

著者

2019年7月