第一章 概述
1.1 什麼是知識圖譜
1.2 知識圖譜發展曆程
1.3 知識圖譜類型
1.4 知識圖譜生命周期
1.4.1 知識體係構建
1.4.2 知識獲取
1.4.3 知識融閤
1.4.4 知識存儲
1.4.5 知識推理
1.4.6 知識應用
1.5 知識圖譜與深度學習
1.6 小結
第二章 知識錶示
2.1 經典知識錶示理論
2.1.1 邏輯
2.1.2 語義網絡
2.1.3 框架
2.1.4 腳本
2.2 語義網中的知識錶示方法
2.2.1 語義網錶示方法
2.2.2 語義網知識描述體係
2.3 知識圖譜中的知識錶示方法
2.3.1 錶示框架
2.3.2 Freebase中的知識框架
2.4 知識圖譜的數值化錶示方法
2.4.1 符號的數值化錶示
2.4.2 文本的數值化錶示
2.4.3 知識圖譜的數值化錶示
2.5 小結
第三章 知識體係構建和知識融閤
3.1 知識體係構建
3.1.1 人工構建方法
3.1.2 自動構建方法
3.1.3 典型知識體係
3.2 知識融閤
3.2.1 框架匹配
3.2.2 實體對齊
3.2.3 衝突檢測與消解
3.2.4 典型知識融閤係統
3.3 小結
第四章 實體識彆和擴展
4.1 實體識彆
4.1.1 任務概述
4.1.2 基於規則的實體識彆方法
4.1.3 基於機器學習的實體識彆——基於特徵的方法
4.1.4 基於機器學習的實體識彆——基於神經網絡的方法
4.2 細粒度實體識彆
4.2.1 任務概述
4.2.2 細粒度實體識彆方法
4.3 實體擴展
4.3.1 任務概述
4.3.2 實體擴展方法
4.4 小結
第五章 實體消歧
5.1 任務概述
5.1.1 任務定義
5.1.2 任務分類
5.1.3 相關評測
5.2 基於聚類的實體消歧方法
5.2.1 基於錶層特徵的實體指稱項相似度計算
5.2.2 基於擴展特徵的實體指稱項相似度計算
5.2.3 基於社會化網絡的實體指稱項相似度計算
5.3 基於實體鏈接的實體消歧方法
5.3.1 鏈接候選過濾方法
5.3.2 實體鏈接方法
5.4 麵嚮結構化文本的實體消歧方法
5.5 小結
第六章 關係抽取
6.1 任務概述
6.1.1 任務定義
6.1.2 任務分類
6.1.3 任務難點
6.1.4 相關評測
6.2 限定域關係抽取
6.2.1 基於模闆的關係抽取方法
6.2.2 基於機器學習的關係抽取方法
6.3 開放域關係抽取
6.4 小結
第七章 事件抽取
7.1 任務概述
7.2 限定域事件抽取
7.2.1 基於模式匹配的事件抽取方法
7.2.2 基於機器學習的事件抽取方法
7.3 開放域事件抽取
7.3.1 基於內容特徵的事件抽取方法
7.3.2 基於異常檢測的事件抽取方法
7.4 事件關係抽取
7.4.1 事件共指關係抽取
7.4.2 事件因果關係抽取
7.4.3 子事件關係抽取
7.4.4 事件時序關係抽取
7.5 小結
第八章 知識存儲和檢索
8.1 知識圖譜的存儲
8.1.1 基於錶結構的存儲
8.1.2 基於圖結構的存儲
8.2 知識圖譜的檢索
8.2.1 常見形式化查詢語言
8.2.2 圖檢索技術
8.3 小結
第九章 知識推理
9.1 知識圖譜中的典型推理任務
9.1.1 知識補全
9.1.2 知識問答
9.2 知識推理分類
· · · · · · (收起)