[중국에서 온 다이렉트 메일] 지식 지도를 읽고 있습니다: 방법, 실습 및 응용

편집자의 선택

지식 그래프 방법. 지식 그래프의 개발 이력과 기본 개념을 체계적으로 설명하고, 지식 그래프의 전체 라이프사이클 기술을 정리하여 방법론적 사고를 정립한다.

지식 그래프 연습. 지식 표현 및 모델링, 지식 저장, 지식 추출 및 마이닝, 지식 융합, 지식 추론, 의미 검색, 지식 질문 및 답변 등을 포함하며, 지식 그래프 기술을 체계적으로 도입합니다. 각 장에서는 일반적인 오픈 소스 도구의 실제 사례를 제공하고 관련 도구, 실험 데이터 및 전체 운영 지침을 제공합니다.

지식 그래프 응용 프로그램입니다. 전자상거래, 그래픽, 생활 및 엔터테인먼트, 기업 상거래, 벤처 캐피탈, 임상 한의학, 금융 등의 실제 응용 시나리오를 결합하여 도메인 지식 그래프를 구성하는 방법을 자세히 소개합니다.

간략한 소개

지식 그래프는 지식 공학, 자연어 처리, 기계 학습, 그래프 데이터베이스 및 기타 분야를 포함하는 전형적인 다분야 분야입니다. 『지식 그래프: 방법, 실습 및 응용』은 지식 모델링, 관계 추출, 그래프 저장, 자동 추론, 그래프 표현 학습, 의미 검색, 지식 질의응답, 그래프 마이닝 분석, 지식 그래프 분석 등 지식 그래프에 관련된 핵심 기술을 체계적으로 소개한다. 등. 또한 이 책은 학문적 개척과 실제 응용을 결합하여 독자가 첨단 기술 개발에 대한 이해를 얻는 동시에 실제 응용 능력을 습득할 수 있도록 돕습니다.

『지식 그래프: 방법, 실천 및 응용』은 컴퓨터와 인공지능과 관련된 연구자들이 읽기에 적합할 뿐만 아니라, 기업의 최일선에서 기술과 애플리케이션 개발에 종사하는 사람들에게도 적합할 수 있다. 대학에서 컴퓨터나 인공지능을 전공하는 교사와 학생을 위한 참고서 참고교과서.

저자 소개

Wang Haofen은 Shanghai Jiao Tong University에서 컴퓨터 과학 박사 학위를 취득했습니다. 중국 지식 그래프 zhishi.me 창립자, OpenKG 창립자 중 한 명, CCF 이사, CCF 용어 승인 실무 위원회 이사, CCF TF 집행위원, 중국어 정보 언어 및 지식 컴퓨팅 위원회 사무차장 사회, 상하이 자오퉁 대학 동창회 AI 지부 비서. 지식 그래프, 질의응답 시스템, 채팅 로봇 등 다양한 분야에서 풍부한 연구개발 경험을 갖고 있다.

Qi Guilin, 남동 대학교 컴퓨터 과학부 교수, 남동 대학교 인지 지능 연구소 소장, Nanjing Keji Data Technology Co., Ltd.의 수석 과학자, OpenKG 창립자 중 한 명, 언어 및 언어 부문 부국장 중국 정보학회 지식 컴퓨팅 전문 위원회, 중국 과학 기술 정보 사회 지식 조직 전문 위원회 부이사, Elsevier 데이터 관리 자문 위원회 컨설턴트, 국제 저널 Journal of Data Intelligence의 편집장입니다. 과학적 연구 결과는 지능형 정전 감지 및 지식 푸시, 의료 지식 질문 및 답변, 네트워크 보안 상황 인식 시스템 등의 분야에 적용되었습니다.

Chen Huajun은 저장대학교 컴퓨터과학기술대학원 교수입니다. 저장대학교 알리바바 지식 엔진 공동 연구소장, 저장성 빅데이터 지능형 컴퓨팅 핵심 연구소 부국장, 중국 인공 지능 학회 지식 공학 및 분산 지능 전문위원회 부국장, 언어 부국장 중국정보학회 지식컴퓨팅 전문위원회 회장이자 OpenKG 창립자. 국제 시맨틱 웹 컨퍼런스 ISWC에서 최우수 논문상을 수상했습니다.

멋진 서평

지식 그래프의 개발 이력과 기술 시스템, 활용 사례를 체계적으로 소개한 책으로, 관련 기업의 연구자와 엔지니어 모두에게 좋은 참고서가 될 것이다. 본질적으로 지식 그래프는 데이터로부터 사물 간의 복잡한 관계를 식별, 발견 및 추론하는 것을 목표로 하며 사물 간의 관계에 대한 계산 가능한 모델입니다. 지식 그래프는 월드 와이드 웹(World Wide Web) 개발의 이상을 나타내며 인공 지능과 인터넷의 긴밀한 통합의 산물이기도 합니다. 이 책의 내용은 기본적으로 지식 그래프를 통해 현재의 연구 및 엔지니어링 진행 과정의 모든 측면을 다루며, 이 분야에 종사하는 젊은이들이 읽기에 매우 적합합니다.

저우밍

국제컴퓨터언어학협회(ACL) 회장, 마이크로소프트 리서치 아시아 부사장

인류는 인공지능 시대에 돌입했다. 소위 '지혜'는 지식으로 표현되는 지혜를 말하며, '능력'은 문제를 해결하는 능력을 말하며 주로 지식에 기초한 추론 능력과 지식을 활용하여 문제를 해결하는 능력으로 표현됩니다. 따라서 지식은 지능의 기초이자 핵심이며, 지식의 모델링, 표현, 획득, 융합, 추론 및 권한 부여는 인공지능 및 관련 응용의 핵심 과학적 문제이며, 지식 그래프는 효과적인 기술 구현 방법입니다. 세 명의 젊은 학자는 지식 그래프 분야에서 수년 동안 활동해 왔으며 과학 연구, 기술 개발 및 산업 구현 분야에서 많은 작업을 수행했으며 풍부한 실무 경험과 통찰력을 가지고 있습니다. 이 책에서는 세 명의 젊은 학자가 지식 그래프와 관련된 다양한 기술적 측면에 대해 상세한 요약, 소개 및 전망을 제시하며 지식 그래프의 전체 수명주기에 대한 모든 링크와 세부 사항을 다루고 있습니다.

인공지능 시대에, 지식 그래프에 관한 매우 실용적인 기술 참고서이며, 고급 학부 및 대학원생의 교과서로도 사용할 수 있습니다.

장민

쑤저우대학교 특훈교수, 국가우수청년기금 수혜자, 인간언어기술연구소 소장

지식 그래프에는 의미 검색, 개인화된 추천, 콘텐츠 이해, 개인 비서, 지능형 질문 및 답변을 포함한 다양한 구현 시나리오가 있으며 금융, 의료, 고객 서비스, 교육 및 정부 업무와 같은 수직 분야에서 산업 수준의 응용 프로그램이 있습니다. 산업적 관점에서 우리는 지식 그래프 기술이 구현될 때 사용자의 요구를 충족시킬 수 있는지, 상대적으로 좋은 사용자 경험을 제공할 수 있는지에 대해 더 우려하고 있습니다. 이 책의 내용은 이론과 알고리즘뿐만 아니라 기술 구현에 관한 많은 실제 사례와 응용 사례를 포함하고 있어 엔지니어가 기술을 선택하고 기술 구현을 시도할 때 우회를 피하고 빠르게 시작할 수 있도록 도와줍니다. 또한, 이 책의 주요 저자는 모두 OpenKG의 창시자이자 핵심 참가자이며, 풍부한 이론적 지식과 일선 실무 경험을 가지고 있습니다. 동시에, 오픈 도메인 지식 그래프의 구축은 다양한 분야의 그래프 응용을 촉진하는 데 큰 의미가 있습니다. 그러므로 업계의 더 많은 친구들에게 이 책과 OpenKG를 소개하게 되어 매우 기쁩니다.

추이 바오추

Xiaomi 그룹 부사장, 그룹 기술위원회 의장

목차

1장 지식 그래프 개요 1

1.1 지식 그래프란 무엇인가 1

1.2 지식 그래프 2의 개발 역사

1.3 지식 그래프의 가치 5

1.4 국내외 대표적인 지식그래프 프로젝트 9

1.4.1 초기 지식 기반 프로젝트 9

1.4.2 인터넷 시대의 지식 그래프 9

1.4.3 중국어 공개 지식 그래프 12

1.4.4 수직 영역 지식 그래프 13

1.5 지식 그래프의 기술적 프로세스 15

1.6 지식 그래프 관련 기술 19

1.6.1 지식 그래프와 데이터베이스 시스템 19

1.6.2 지식 그래프와 지능형 질문답변 23

1.6.3 지식 그래프와 기계 추론 25

1.6.4 지식 그래프 및 추천 시스템 28

1.6.5 블록체인과 분산형 지식 그래프 29

1.7 이 장의 요약 30

참고문헌 31

2장 지식 그래프 표현 및 모델링 40

2.1 지식 표현이란 무엇인가 40

2.2 인공지능의 초기 지식 표현 방법 43

2.2.1 1차 술어 논리 43

2.2.2 Horn 절과 Horn 논리 43

2.2.3 의미론적 네트워크 44

2.2.4 프레임워크 45

2.2.5 설명 논리 47

2.3 인터넷 시대의 시맨틱 웹 지식 표현 프레임워크 48

2.3.1 RDF와 RDFS 48

2.3.2 OWL 및 OWL2 단편 53

2.3.3 지식 그래프 쿼리 언어의 표현 59

2.3.4 의미적 마크업 표현 언어

2.4 공통 오픈 도메인 지식 그래프의 지식 표현 방법 64

2.4.1 프리베이스 64

2.4.2 위키데이터 65

2.4.3 컨셉넷5 66

2.5 지식그래프의 벡터 표현방법 68

2.5.1 지식 그래프 표현의 과제 68

2.5.2 단어 벡터 표현 방법 68

2.5.3 지식 그래프 임베딩의 개념 71

2.5.4 지식 그래프 임베딩의 장점72

2.5.5 지식 그래프 임베딩의 주요 방법72

2.5.6 지식 그래프 임베딩의 응용 75

2.6 오픈소스 도구 실습: Protégé 77 기반의 온톨로지 지식 모델링

2.6.1 소개 77

2.6.2 환경 준비 78

2.6.3 Protégé 실습의 주요 기능 시연 78

2.7 이 장의 요약 80

참고문헌 80

3장 지식 저장 82

3.1 지식 그래프 데이터베이스의 기본지식 82

3.1.1 지식 그래프 데이터 모델 82

3.1.2 지식 그래프 쿼리 언어 85

3.2 상식 그래프 저장 방법 91

3.2.1 관계형 데이터베이스 기반 스토리지 솔루션 91

3.2.2 RDF 기반 트리플 데이터베이스 101

3.2.3 기본 그래프 데이터베이스 115

3.2.4 지식 그래프 데이터베이스 비교 120

3.3 지식 저장을 위한 핵심 기술 121

3.3.1 지식 그래프 데이터베이스 저장: Neo4j를 예로 들어 121

3.3.2 지식 그래프 데이터베이스 색인 124

3.4 오픈소스 도구 실습 126

3.4.1 삼중 데이터베이스 Apache Jena 126

3.4.2 RDF 기반 트리플 데이터베이스 gStore 128

참고문헌 131

4장 지식 추출과 지식 마이닝 133

4.1 지식 추출 과제 및 관련 대회 133

4.1.1 지식 추출 작업 정의 133

4.1.2 지식추출 관련 대회 134

4.2 비정형 데이터로부터 지식 추출 136

4.2.1 엔터티 추출 137

4.2.2 관계 추출 142

4.2.3 이벤트 추출 150

4.3 구조화된 데이터에서 지식 추출 154

4.3.1 직접 매핑 154

4.3.2 R2RML 156

4.3.3 관련 도구 159

4.4 반구조화된 데이터에서 지식 추출 161

4.4.1 백과사전 데이터를 위한 지식 추출 161

4.4.2 웹 페이지에 대한 지식 추출 165

4.5 지식 마이닝 168

4.5.1 지식 콘텐츠 마이닝: 엔터티 연결 168

4.5.2 지식 구조 마이닝: 규칙 마이닝 174

4.6 오픈소스 도구 실습: DeepDive 기반 관계 추출 실습 178

4.6.1 오픈소스 도구의 기술 아키텍처 178

4.6.2 기타 유사한 도구180

참고문헌 180

Chapter 5 지식 그래프 융합 184

5.1 지식 그래프 fusion184 란 무엇입니까?

5.2 지식 그래프의 이질적인 문제 185

5.2.1 언어 계층 불일치 186

5.2.2 모델 레이어 불일치 187

5.3 온톨로지 개념 계층에서의 융합 방법 및 기술 190

5.3.1 온톨로지 매핑과 온톨로지 통합 190

5.3.2 온톨로지 매핑 분류 192

5.3.3 온톨로지 매핑 방법 및 도구 195

5.3.4 온톨로지 매핑 관리 232

5.3.5 온톨로지 매핑 응용 235

5.4 인스턴스 레이어 융합 및 매칭 236

5.4.1 지식 그래프의 인스턴스 매칭 문제 분석 236

5.4.2 빠른 유사성 계산 기반 인스턴스 매칭 방법 240

5.4.3 규칙 기반 인스턴스 매칭 방법 241

5.4.4 분할 정복 기반 인스턴스 매칭 방법 244

5.4.5 학습 기반 인스턴스 매칭 방법 260

5.4.6 인스턴스 매칭의 분산 병렬 처리 266

5.5 오픈소스 도구 실습: 엔터티 관계 검색 프레임워크 LIMES 266

5.5.1 소개 266

5.5.2 오픈소스 도구의 기술 아키텍처 267

5.5.3 기타 유사한 도구 269

5.6 이 장의 요약 269

참고문헌 269

6장 지식 그래프 추론 279

6.1 추론 개요 279

6.1.1 추론이란 무엇인가 279

6.1.2 지식 그래프 기반 추론 282

6.2 추론에 기초한 지식 그래프 추론 283

6.2.1 온톨로지 추론 283

6.2.2 논리 프로그래밍 기반 추론 방법 288

6.2.3 쿼리 재작성 기반 방법 295

6.2.4 생산 규칙에 기반한 방법 301

6.3 귀납법 기반 지식 그래프 추론 306

6.3.1 그래프 구조에 따른 추론 306

6.3.2 규칙 학습 기반 추론 313

6.3.3 표현 학습 기반 추론 318

6.4 지식 그래프 추론의 새로운 진전 324

6.4.1 시계열 예측 추론 324

6.4.2 강화학습 기반 지식 그래프 추론 325

6.4.3 메타러닝 기반 소수표본 지식 그래프 추론 326

6.4.4 그래프 신경망과 지식 그래프 추론 326

6.5 오픈소스 도구 실습: Jena와 Drools를 기반으로 한 지식 추론 실습 327

6.5.1 오픈소스 도구 소개 327

6.5.2 오픈소스 도구의 기술 아키텍처 327

6.5.3 개발 소프트웨어 버전 및 다운로드 주소 328

6.5.4 Jena 328 기반 지식 추론 실습

6.5.5 Drools 기반 지식 추론 실습 329

6.6 이 장의 요약 329

참고문헌 330

제7장 의미 검색 334

7.1 의미 검색 소개 334

7.2 구조적 쿼리 언어 336

7.2.1 데이터 질의 338

7.2.2 데이터 삽입 341

7.2.3 데이터 삭제 341

7.3 의미론적 데이터 검색 342

7.4 의미 검색을 위한 상호작용 패러다임 348

7.4.1 키워드 기반 지식 그래프 의미 검색 방법 348

7.4.2 패싯 기반 지식 그래프 의미 검색 350

7.4.3 표현학습 기반 지식 그래프 의미 검색 352

7.5 오픈소스 도구 실습 355

7.5.1 기능 소개 355

7.5.2 환경 설정 및 데이터 준비 357

7.5.3 데이터 준비 357

7.5.4 Elasticsearch 360 가져오기

7.5.5 기능 구현 361

7.5.6 쿼리 실행 363

참고문헌 364

제8장 질문과 답변 366

8.1 퀴즈 개요 366

8.1.1 지식 질의응답의 기본요소 366

8.1.2 지식문답 관련 저작물 367

8.1.3 지식 질의응답 적용 시나리오 369

8.2 지식문답의 분류체계 371

8.2.1 질문 유형 및 답변 유형 371

8.2.2 지식 베이스 유형 374

8.2.3 에이전트 유형 375

8.3 지식 질의응답 시스템 376

8.3.1 NLIDB: 조기 질의응답 시스템 376

8.3.2 IRQA: 정보검색 기반 질의응답 시스템 380

8.3.3 KBQA: 지식 기반 기반 질의 응답 시스템 380

8.3.4 CommunityQA/FAQ-QA: 질문과 답변 쌍 매칭에 기반한 질문과 답변 시스템

8.3.5 하이브리드 QA 프레임워크 하이브리드 질의응답 시스템 프레임워크 382

8.4 지식 문답 평가 방법 386

8.4.1 질의응답 시스템의 평가지표 386

8.4.2 질의응답 시스템의 평가 데이터 세트 387

8.5 KBQA 첨단기술 392

8.5.1 KBQA 392가 직면한 과제

8.5.2 템플릿 기반 방법 394

8.5.3 의미론적 분석에 기반한 방법 398

8.5.4 딥러닝 기반의 전통적인 질의응답 모듈의 최적화 401

8.5.5 딥러닝 기반 엔드투엔드 질의응답 모델 405

8.6 오픈소스 도구 실습 406

8.6.1 Elasticsearch를 활용해 간단한 지식 질의응답 시스템 구축 406

8.6.2 gAnswer 410을 기반으로 한 중국어, 영어 지식 질의응답 시스템 구축

8.7 이 장의 요약 415

참고문헌 416

Chapter 9 지식 그래프 적용 사례 420

9.1 도메인 지식 그래프 구축의 기술적 프로세스 420

9.1.1 도메인 지식 모델링 421

9.1.2 지식 저장 422

9.1.3 지식 추출 422

9.1.4 지식 융합 423

9.1.5 지식 컴퓨팅 423

9.1.6 지식 적용 424

9.2 도메인 지식 그래프를 구성하는 기본 방법 425

9.2.1 하향식 공법 425

9.2.2 상향식 공법 426

9.3 도메인 지식 그래프의 적용 사례 428

9.3.1 전자상거래 지식그래프 구축 및 응용 428

9.3.2 그래프 지식 그래프의 구축과 응용 431

9.3.3 라이프스타일 엔터테인먼트 지식 그래프 구축 및 적용: 메이투안(Meituan)을 예로 들어 435

9.3.4 기업 비즈니스 지식 그래프 구축 및 적용 440

9.3.5 벤처캐피털 지식그래프 구축 및 활용 443

9.3.6 한의학 임상분야 지식그래프 구축 및 응용 448

9.3.7 금융증권산업의 지식그래프 활용실습 452

9.4 이 장의 요약 460

참고문헌 461

서문/서문

순서

지식 그래프는 인공지능의 한 분야로 설명 가능한 인공지능에서 중요한 역할을 한다. 최근에는 지식 표현, 머신러닝 등의 기술 발전으로 지식 그래프 관련 기술이 비약적으로 발전하고 있으며, 특히 지식 그래프 구축, 추론 및 컴퓨팅 기술, 지식 서비스 기술 등이 모두 급속히 발전하고 있다. 이러한 기술의 발전으로 인해 지식 그래프는 업계에서 폭넓은 주목을 받게 되었으며 놀라운 성과를 거두었습니다. Google, Microsoft, Baidu와 같은 인터넷 기업은 사용자 쿼리를 더 잘 이해할 수 있도록 엔터티 및 관계 기반의 의미 검색을 제공하기 위해 대규모 일반 지식 그래프 구축에 앞장섰습니다. 지식 그래프는 지능형 의사결정 시스템, 추천 시스템, 지능형 질문 및 답변 시스템에서도 중요한 역할을 합니다. 지식 그래프는 응용 가치가 클 뿐만 아니라 중요한 이론적 가치도 가지고 있습니다. 지식 그래프는 전통지식 표현과 추론 기술의 기반을 제공하고, 지식 표현과 추론에 새로운 도전을 가져옵니다.

이 책은 지식그래프의 이론과 기술, 응용을 체계적으로 소개하고 있다. 이론적인 측면에서는 지식 그래프의 다양한 표현 방식과 지식 그래프의 추론 방식을 종합적으로 소개하고 있는데, 이러한 방식은 지식 그래프의 기본이 된다. 기술적인 측면에서는 지식 그래프 저장 및 질의 기술, 마이닝 구축, 지식 융합 기술은 물론, 지식 그래프 기반의 의미 검색과 지능형 질의응답 기술까지 종합적으로 소개하고 있다. 적용 측면에서 이 책은 업계의 일반적인 지식 그래프 적용 시나리오를 포괄적으로 소개하여 지식 그래프 개발에 자양분을 제공합니다. 현재 지식 그래프에 관한 전문 서적은 아직 부족하지만, 이 책은 대다수의 지식 그래프 연구자들과 응용 담당자들에게 좋은 소식을 가져다 줄 것입니다.

이 책의 저자들은 지식그래프의 연구와 산업적 활용에 있어 풍부한 경험을 가진 전문가이자 학자들로, 지식그래프의 학술적 연구와 산업화 실천을 잘 융합해 왔다. 지식그래프 기술을 적용하여 발전하면 매우 긍정적인 효과를 가져올 것입니다.

머리말

지식 그래프의 초기 개념은 월드 와이드 웹의 아버지인 팀 버너스 리(Tim Berners-Lee)의 시맨틱 웹(The Semantic Web) 아이디어에서 유래되었는데, 이는 그래프 구조(Graph Structure)를 이용하여 모델링하고 보다 정확한 객체 수준 검색을 효과적으로 달성하기 위해 세상의 모든 것 사이의 관계와 지식을 기록합니다. 지식 그래프 관련 기술은 검색 엔진, 지능형 질문 답변, 언어 이해, 추천 컴퓨팅, 빅데이터 의사결정 분석 등 다양한 분야에서 널리 사용되고 있습니다. 최근 자연어 처리, 딥러닝, 그래프 데이터 처리 등 많은 분야의 급속한 발전과 함께 지식 그래프는 자동화된 지식 습득, 지식 표현 학습 및 추론, 대규모 분야에서 많은 새로운 발전을 이루었습니다. 그래프 마이닝 및 분석. 지식그래프는 인지수준의 인공지능을 구현하기 위해 없어서는 안 될 중요한 기술 중 하나가 되었습니다.

이 책을 쓰는 이유

지식 그래프는 지식 공학, 자연어 처리, 기계 학습, 그래프 데이터베이스 및 기타 분야를 포함하는 전형적인 교차 분야입니다. 지식 그래프의 구축 및 적용에는 지식 모델링, 관계 추출, 그래프 저장, 자동 추론, 그래프 표현 학습, 의미 검색, 지능형 질문 답변, 그래프 컴퓨팅 분석 등을 포함하여 보다 세분화된 분야의 일련의 핵심 기술이 포함됩니다. 지식 매핑을 잘 수행하려면 여러 분야에 속하는 이러한 기술을 체계적으로 숙달하고 적용해야 합니다.

이 책을 집필한 첫 번째 목적은 이러한 지식 포인트를 최대한 정리·정리해 독자들이 관련 기술을 체계적으로 숙지할 수 있도록 돕고, 지식 그래프 기술을 총체적이고 글로벌하며 체계적인 관점에서 보고 적용하는 데 있다. 초기 지식 그래프 애플리케이션은 주로 Google, Baidu 등 기업의 일반 도메인 검색 엔진과 Tmall Genie, Xiaomi Xiaoai 등 검색을 기반으로 개발된 지식 그래프 기반 지능형 질문 및 답변 애플리케이션이었습니다. 이러한 애플리케이션은 주로 백과사전 지식 그래프와 같은 일반 분야의 지식 그래프에 의존합니다. 최근에는 의료, 금융, 보안 등 수직적 분야에서 지식 그래프가 심도있게 발전하고 있으며, 지식 그래프의 활용 범위가 일반 분야에서 점점 더 수직적인 분야로 확대되고 있습니다. 이 분야에 막 입문한 실무자는 애플리케이션부터 시작하여 지식 그래프에 대한 연구 및 개발을 수행할 수 있어야 합니다.

이 책을 집필한 두 번째 목적은 이러한 지식 그래프 애플리케이션 개발자들에게 참고 도구집을 제공하는 것입니다. 따라서 이 책은 장 말미에 기술적인 포인트와 관련하여 일반적으로 사용되는 오픈소스 도구를 소개하는 섹션을 마련하고, 이 책과 함께 제공되는 웹사이트에서 완전한 실습 튜토리얼을 제공합니다.

최근 몇 년 동안 인공지능이 더욱 발전함에 따라 지식 그래프는 심층 지식 추출, 표현 학습 및 기계 추론, 지식 기반 해석 가능한 인공 지능, 그래프 마이닝 및 그래프 신경망 분야에서 일련의 새로운 발전을 이루었습니다. 이 책을 집필한 세 번째 목적은 지식 그래프와 관련된 이들 분야의 최신 발전 상황을 정리하고 정리하여 독자들이 기술 발전의 최전선을 이해할 수 있도록 돕는 것입니다.

이 책의 저자 소개

이 책은 관련 분야의 연구개발에 종사하는 국내 일선 전문가들을 초대한다. 세 명의 편집장은 모두 시맨틱 웹 및 지식 그래프 분야에서 10년 이상의 연구 개발 경험을 갖고 있으며, 중국 분야 개방형 지식 그래프인 OpenKG의 창시자이기도 하다. 각 장은 세부 기술 분야별 전문가들이 집필했으며, 집필에 참여한 편집자들은 관련 학술 연구에 종사하는 국내 대학의 교사들과 풍부한 실무 개발 경험을 가진 기업체의 기술 전문가들이다.

이 책의 주요 내용

이 책은 총 9장으로 구성되어 있으며, 주요 내용은 다음과 같습니다.

1장에서는 주로 지식 그래프의 기본 개념, 역사적 유래, 대표적인 지식 그래프 프로젝트, 기술 요소 및 핵심 적용 가치를 소개합니다.

2장에서는 지식 표현과 모델링을 중심으로 술어 논리, 기술 논리, 프레임워크 시스템 등 전통적인 인공지능 분야의 대표적인 지식 표현 방식을 먼저 소개하고, 이어서 인터넷 시대의 지식 표현 프레임워크에 중점을 둔다. RDF, OWL 등을 소개하며, 지식 그래프의 벡터 표현 방법 등도 소개한다. 마지막으로 Protégé는 지식 모델링의 구체적인 실제 프로세스를 소개하는 예로 사용됩니다.

3장에서는 지식 저장에 초점을 맞춰 지식 그래프 저장의 주요 특징과 어려움을 먼저 소개하고, 일반적으로 사용되는 여러 가지 지식 그래프 저장 인덱스와 저장 기술을 소개하고 네이티브 그래프 데이터베이스의 기술 원리를 간략하게 소개한다. 또한 일반적으로 사용되는 그래프 데이터베이스를 간략하게 소개하고, Apache Jena와 gStore를 예로 들어 지식 그래프 저장의 구체적인 실제 프로세스를 소개합니다.

4장에서는 지식 추출과 지식 마이닝을 중심으로 다양한 소스로부터 지식 그래프 데이터를 얻는 일반적인 방법을 먼저 소개하고, 엔터티 추출, 관계 추출, 이벤트 추출 등에 초점을 맞춰 지식 그래프를 얻는 방법을 자세히 설명한다. 텍스트의 데이터 소개. 마지막으로 DeepDive 오픈소스 도구를 예로 들어 관계 추출의 구체적인 실제 프로세스를 소개합니다.

5장에서는 지식 그래프의 융합에 중점을 두고 개념 계층의 융합과 개체 계층의 융합을 소개하며 온톨로지 매핑, 의미 매핑 기술, 개체 정렬, 개체 연결 등을 포함합니다. 마지막으로 LIMES 오픈소스 도구를 예로 들어 엔터티 융합의 구체적인 실제 프로세스를 소개합니다.

6장에서는 지식 그래프 추론을 중심으로 추론의 기본 개념을 먼저 소개한 후, 연역 논리에 기반한 지식 그래프 추론과 귀납법에 기반한 지식 그래프 추론 중에서 일반적으로 사용되는 지식 그래프 추론 기술을 소개한다. 마지막으로 Apache Jena, Drools 등의 오픈소스 도구를 예로 들어 지식 그래프 추론의 구체적인 실제 과정을 소개한다.

7장과 8장에서는 각각 의미 검색과 지식 질의응답을 중심으로 의미 색인화, 지식 그래프 기반 질의응답 등 일련의 기술을 소개하고, gAnswer와 같은 오픈소스 도구를 예로 들어 지식 달성을 위한 구체적인 실천 방법을 소개한다. 지식 그래프를 기반으로 정확한 검색과 질의응답 프로세스를 제공합니다.

9장은 응용사례 장으로, 저자는 전자상거래, 그래픽, 생활 및 엔터테인먼트, 기업커머스, 벤처캐피탈, 한의학 임상분야, 금융증권산업 등 7개 응용사례를 선정하여 지식의 구현과정과 응용을 분석하였다. 다양한 분야의 그래프 기술 방법을 소개합니다.

이 책을 읽는 방법

이 책은 큰 책인데, 독자들은 이 책을 어떻게 활용해야 할까요?

이 책을 읽기 전에 독자는 데이터베이스, 머신러닝, 자연어 처리에 대한 기본 지식을 익혀야 합니다. 이 책의 각 장은 지식 그래프의 관련 기술 포인트를 중심으로 구성되어 있습니다. 지식 그래프에는 기술적인 측면이 많이 포함되어 있으므로 이제 막 지식 그래프 분야에 입문한 독자라면 이 책을 여러 번 읽어 보시기를 권합니다.

 첫 번째 단계에서는 책 전체를 읽고 주로 기본 개념을 명확히 하며 학문적 개척과 오픈 소스 도구의 실용적인 부분에 관련된 내용을 간략하게 살펴볼 수 있습니다.

 두 번째 패스에서는 각 장의 마지막에 오픈소스 도구에 대한 실무 학습에 중점을 두고 실습을 통해 각 기술 사항에 대한 이해를 심화합니다.

세 번째는 각 장에 소개된 알고리즘을 공부하고, 관련 논문 읽기와 결합하여 알고리즘에 대한 이해를 심화시키는 것입니다. 이 단계에서는 심층적인 연구를 위해 관심 있는 기술 포인트를 선택할 수 있습니다.

편집자는 이 책을 집필하면서 각 장의 기술적 포인트의 독립성을 고려했으며, 지식 그래프의 특정 기술에 대해 이미 어느 정도 이해하고 있는 독자는 책의 장 순서를 엄격하게 읽을 수는 없지만 관심 있는 장을 선택하여 읽을 수 있습니다. 공부하다. .

감사의 말

이 책은 많은 사람들의 공동 노력의 결과이며, 공동의 노력을 해주신 모든 편집자들에게 감사의 말씀을 전하고 싶습니다. 동시에 이 책을 집필하는 과정에서 북경대학교의 Zou Lei, 후난대학교의 Peng Peng, Yuan Xihao, Han Lushan, Wang Yipeng, Sun Shengnan, Haizhi Intelligence의 Guo Yuting, Wu Tongtong, Tan Yiming, 동남대학교의 Hua Yuncheng, Hu Sen, Zhang Wen, Wang Guanying, Wang Ruoxu, Chen Mingyang, Wang Liang, Ye Zhiquan 등 저장대학교의 다른 분들도 매우 귀중한 연구 결과와 개정 의견을 제공해 주셨으며, 진심으로 감사드립니다. .

전자산업 출판사 블로그 편집자 송야동의 열정에 힘입어 전자산업 출판사와의 협력이 마침내 추진되었습니다. 심사 과정에서 전문가들을 거듭 초청해 책에 대한 유용한 의견을 주셨고, 이는 원고를 수정하고 개선하는 데 중요한 역할을 했습니다. 이 책에 관심을 가져주시고 이 책의 출판을 위해 해주신 모든 노력에 대해 Electronic Industry Press 블로그 Viewpoint와 편집자 Song Yadong에게 감사의 말씀을 전하고 싶습니다.

중국 분야의 개방형 지식 그래프 개발을 촉진하기 위해 이 책의 저자는 만장일치로 로열티의 일부를 OpenKG에 기부하기로 합의했습니다. 또한 이 책에 참여한 모든 저자들의 헌신적인 기여에 감사의 말씀을 전하고 싶습니다.

저자의 제한된 수준으로 인해 책의 단점과 오류는 불가피합니다. 또한, 지식 그래프 기술의 적용 범위가 넓기 때문에 이 책에서는 일부 누락된 부분이 불가피하므로, 전문가와 독자들의 뜨거운 비판과 정정을 부탁드립니다.

작가

2019년 7월