内容简介
本书在讲述知识图谱的定义、原理以及知识描述语言的基础上，系统地介绍了构建一个完整知识图谱所需的技术和流程。主要内容包括本体描述语言、知识图谱建设综述、知识建模 -构建本体、知识获取 -填充本体、知识融合 -完善图谱、知识存储 -高效访问、知识计算和应用 -推理引擎。附录中简要介绍了 RDF转换器。本书读者对象为从事知识管理系统开发的技术人员，以及对知识图谱开发技术感兴趣的相关人员。
目录
1 知识图谱基础知识 1
1.1 知识图谱定义和分类 1
1.2 知识图谱基本技术 4
1.2.1 语义网络概述 5
1.2.2 图基本概念 8
1.2.3 图表示和计算 11
1.2.4 实体、关系和属性 18
1.2.5 本体（知识体系） 20
1.3 知识图谱构建方法和评价指标 28
1.4 典型知识图谱介绍 29
1.5 本章小结 31
2 本体描述语言 33
2.1 Web资源标识符 33
2.2 资源描述框架RDF 34
2.2.1 RDF规则 35
2.2.2 RDF元素 36
2.2.3 RDF实例 39
2.2.4 RDF图和知识图谱 41
2.3 RDF模式RDFS 44
2.3.1 RDFS元素 44
2.3.2 RDFS实例 48
2.4 Web本体语言OWL 49
2.4.1 OWL元素 50
2.4.2 OWL实例 64
2.5 曼彻斯特语法 65
2.5.1 基于框架的知识表示 66
2.5.2 巴科斯规范 67
2.5.3 曼彻斯特语法 69
2.6 本体建模工具Protégé简介 74
2.6.1 Protégé安装 74
2.6.2 Protégé类表达式 76
2.7 本章小结 77
3 知识图谱建设综述 79
3.1 从本体到知识图谱 79
3.2 知识图谱建设原则 82
3.3 知识图谱建设流程 83
3.4 知识图谱开发流程 85
3.5 本章小结 87
4 知识建模-构建本体 88
4.1 本体构建原则 88
4.2 本体构建方法 89
4.3 类层次架构设计准则 92
4.3.1 确保设计正确的类层次架构 93
4.3.2 分析层次架构中的兄弟类 93
4.3.3 考虑类的多重继承 94
4.3.4 确定引入新类的时机 94
4.3.5 判断属性值和类的区别 94
4.3.6 判断实例和类的区别 94
4.3.7 确定本体构建范围 95
4.3.8 声明不相交的类 95
4.4 命名规范的考虑 95
4.5 本章小结 97
5 知识获取-填充本体 98
5.1 实体抽取 98
5.1.1 命名实体规范 99
5.1.2 结构化数据处理 103
5.1.3 半结构化数据处理 114
5.1.4 非结构化数据处理 114
5.2 实体属性和关系抽取 143
5.2.1 实体关系抽取技术概述 143
5.2.2 基于依存句法分析的关系抽取 146
5.3 本章小结 154
6 知识融合-完善图谱 156
6.1 实体对齐 156
6.1.1 实体对齐技术 157
6.1.2 实体对齐实现 162
6.2 实体消歧 167
6.2.1 实体消歧技术 168
6.2.2 实体消歧实现 171
6.3 指代消解 178
6.3.1 指代消解技术 179
6.3.2 指代消解实现 181
6.4 本章小结 183
7 知识存储-高效访问 185
7.1 知识存储概述 185
7.2 图数据库Neo4j 187
7.2.1 Windows下安装 189
7.2.2 Neo4j基础知识 191
7.2.3 Neo4j基本使用 199
7.3 RDF数据操作 202
7.3.1 Neosemantics插件安装 203
7.3.2 Neosemantics功能列表 206
7.3.3 RDF数据的导入导出 212
7.4 Python访问Neo4j 214
7.4.1 Python访问Neo4j 214
7.4.2 Python程序示例 217
7.5 本章小结 219
8 知识计算和应用-推理引擎 220
8.1 知识推理 220
8.1.1 基于描述逻辑的推理 220
8.1.2 基于概率逻辑的推理 221
8.1.3 基于规则的推
前言/序言
知识图谱是一种以节点、属性和关系来表达对客观世界的理解与认知的一种语义网络。其中节点表达了客观世界中的人、事、物等实体，而关系则表达了不同实体之间的联系。所以，知识图谱提供了一种更好地组织、管理和理解客观世界海量知识的方式，是一种广泛应用于搜索结果优化、智能推荐、智能客服等领域的知识管理技术，具有极大的发展潜力和应用前景。
本书在讲述知识图谱的定义、原理以及知识描述语言的基础上，系统地讲述了构建一个完整知识图谱所需的技术和流程，为创建企业级知识管理系统奠定坚实的基础。
第1章介绍了知识图谱的基础知识，包括知识图谱、语义网络和本体的定义，进行知识存储和推理的基本技术，并对传统本体语言和面向 Web的标记本体语言两种本体描述语言进行了概述。
第2章介绍了用于构建本体的形式语言，即本体描述语言。目前有 20多种本体语言，应用最为普及的是由万维网联盟 W3C推荐的资源描述框架 RDF、RDF模式 RDFS和 OWL，本章重点对这三者的规则、组成元素、语法等内容进行讲解，使读者明了知识表示的规范，为后续构建、应用知识图谱做好铺垫。
第3章介绍了建设知识图谱的原则、开发流程，明确了开发流程中的知识建模、知识抽取和知识融合等六个步骤及每个步骤的工作内容。
第4章介绍了知识建模的工作内容和相关技术。知识建模是设计和构建本体的过程，主要工作包括确定领域知识的范围、识别和定义领域中的实体和概念，建立实体和概念之间的关系。
第5章介绍了知识获取的内容和相关技术。知识获取是抽取实体及其属性的过程，主要工作是通过各种技术手段，将结构化、半结构化和非结构化数据来源中的知识统一转化为知识表达方式。本章讲述了实体的命名规范、抽取、实体属性及关系抽取技术，以数据库到 RDF的映射引擎 D2RQ和自然语言处理工具库 spaCy为基础，描述了知识获取的实现。
第6章介绍了知识融合的工作内容和相关技术。知识融合是优化知识、消除矛盾和歧义、提升知识质量、形成全局统一的知识表示的关键步骤，主要工作包括实体对齐、实体消歧和指代消解等。
第7章介绍了知识存储的工作内容和相关技术。知识存储是指将知识进行组织、管理和存储，以便于应用的过程。本章重点讲述了知识存储方案选择、图数据库 Neo4j基础知识、 RDF数据与 Neo4j进行交互的技术，结合实例代码介绍了如何创建、查询和编辑知识。
第8章介绍了知识计算和应用的工作内容和相关技术。知识计算和应用是使用图论中的定理、推论和算法，借助相应的工具进行知识的补全和理解，也是挖掘知识、发挥知识价值的应用过程。本章重点讲述了知识推理技术、 Neo4j图数据科学 GDS工具等。
本书中的实例全部由 Python语言编写，读者可通过化学工业出版社网站及 QQ号 420165499联系索取实例代码。读者在阅读和使用过程中，有任何问题，可通过 QQ在线咨询，笔者将竭诚为您服务。
著者
2025年2月
