内容简介
《知识图谱：从理论到实践》是一部系统阐述知识图谱理论与实践的综合性书籍，旨在帮助读者全面理解知识图谱的核心概念、关键技术及其实际应用。全书共分为三篇，涵盖基础知识、实践案例与前沿发展。
第一篇为基础篇，系统阐述了知识图谱的基本概念、发展历程、技术架构、表示方法、存储机制、构建流程、推理方法及融合技术，为读者构建了完整的知识图谱理论框架。
第二篇为实践篇，通过具体案例展示了知识图谱的实际应用。其中，第7章详细讲解了Neo4j图数据库的操作与应用，为后续实践奠定了技术基础；随后的三章分别围绕农业知识问答、电影信息查询与推荐系统，结合实际项目，展示了知识图谱在智能问答、搜索与推荐等领域的落地应用。
第三篇为前沿篇，探讨了知识图谱与新兴技术的结合，如大模型、检索增强生成（RAG）、多模态学习及图神经网络等，揭示了知识图谱在人工智能领域的最新发展趋势与创新方向。
《知识图谱：从理论到实践》的特点在于理论与实践的深度融合，既注重知识点的系统梳理，又通过案例与代码实现帮助读者完成从理论到实践的转化。同时，书中还兼顾知识图谱的经典理论与前沿技术，为读者提供了全面的知识体系。
《知识图谱：从理论到实践》适合人工智能、大数据、自然语言处理等相关领域的研究人员、从业者以及对知识图谱感兴趣的读者阅读，既可作为学习知识图谱的入门指南，也可作为实践与研究的参考手册。
目录
第1篇 知识图谱基础
第1章 知识图谱概述 002
1.1 知识图谱的基本信息、起源与发展历史 002
1.2 知识图谱的模式 007
1.3 知识图谱的组成要素与技术架构 009
1.4 知识图谱的关键技术与典型应用 015
1.5 本章概要 018
第2章 知识图谱表示 019
2.1 知识表示的定义 019
2.2 知识表示的代表模型 020
2.3 知识表示方法 024
2.4 本章概要 029
第3章 知识图谱存储 030
3.1 知识图谱存储概述 030
3.2 知识图谱的存储方法 032
3.3 存储模型 037
3.4 本章概要 040
第4章 知识图谱构建 042
4.1 信息抽取 042
4.2 知识增强 045
4.3 知识更新 047
4.4 本章概要 049
第5章 知识图谱推理 050
5.1 知识图谱推理的定义 050
5.2 知识图谱推理的相关概念 051
5.3 知识图谱推理的方法 055
5.4 本章概要 059
第6章 知识图谱融合 060
6.1 知识融合概述 060
6.2 知识融合技术 069
6.3 融合工具 077
6.4 本章概要 080
第2篇 知识图谱实践
第7章 Neo4j图数据库 082
7.1 Neo4j的基本介绍 082
7.2 Neo4j的下载与安装 085
7.3 Neo4j的基本操作 093
7.4 Neo4j的应用示例 108
7.5 本章概要 115
第8章 知识图谱智能问答——农业知识问答 116
8.1 知识图谱智能问答概述 116
8.2 数据来源与采集 119
8.3 基于UIE模型的知识抽取 122
8.4 知识图谱构建 146
8.5 项目实现——农业知识问答 151
8.6 本章概要 164
第9章 知识图谱搜索——电影相关信息查询 165
9.1 知识图谱搜索概述 165
9.2 知识图谱搜索的数据集收集与预处理 167
9.3 电影信息查询知识图谱的构建与展示 178
9.4 项目实现——电影相关信息搜索 182
9.5 本章概要 200
第10章 知识图谱推荐——电影推荐 201
10.1 知识图谱推荐的概述 201
10.2 知识图谱推荐的数据收集与预处理 202
10.3 电影推荐知识图谱的构建与展示 216
10.4 项目实现 电影推荐 222
10.5 本章概要 241
第3篇 知识图谱前沿
参考文献 327
前言/序言
知识图谱的早期理念源于语义网和更早的语义网络理论，是一种以图结构（实体为节点，关系为边）组织和表达知识的智能化技术。近年来，随着人工智能（特别是深度学习）的快速发展，知识图谱在理论体系与技术应用层面均取得了显著突破。作为认知智能时代的核心工具，知识图谱已在智能问题、信息查询、推荐系统等领域展现出重要价值。本书系统地梳理了知识图谱的知识体系，展示了知识图谱在前沿领域的最新发展，旨在搭建从理论到实践的桥梁。
本书分为3篇共14章，结构如下。
第1篇：知识图谱基础（第1～第6章）。主要讲述知识图谱的基础知识，包括知识图谱的概述、表示、存储、构建、推理、融合。
第2篇：知识图谱实践（第7～第10章）。主要讲述知识图谱的实践操作，第7章介绍了Neo4j图数据库，随后3章分别讲述了知识图谱在问答、搜索及推荐中的实际应用。
第3篇：知识图谱前沿（第11～第14章）。主要讲述知识图谱的一些前沿发展，特别是与其他新兴技术的融合，分别介绍了知识图谱与大模型、RAG、多模态，以及图神经网络的融合。
本书有如下特点。
一是细节与框架共生。除尽可能地梳理知识图谱的基础知识点外，本书更注重构建认知框架，既保证了知识点的精确锚定，又构建了学科知识拓扑，使读者不仅能深入技术细节，还可俯瞰学科全貌。
二是理论与实践贯通。除系统阐述知识表示、知识推理等理论体系外，本书特别添加了实践模块：通过Neo4j图数据库实战、行业知识图谱构建指南等案例，并配合可复现的Python代码库，帮助读者完成从理论认知到实践落地的闭环。
三是基础与前沿融合。在夯实知识图谱经典理论的基础上，本书重点解析了知识图谱与新兴技术的协同创新：不仅涵盖大模型、检索增强生成（RAG）、多模态学习等热点领域，还深入探讨了神经符号系统这一人工智能发展新范式。
在本书的编写过程中，作者参考了多篇国内外文献，在此对这些文献作者表示衷心感谢，另外，特别感谢潘美、王煜、付勇等研究助理在数据可视化与文献考证方面作出的贡献。
由于知识图谱技术发展日新月异，加之笔者水平有限，虽经多次校订，疏漏仍在所难免。敬请学界同人与业界专家指正谬误。
徐礼逵
2025年4月
