目  录

第一篇　基  础  篇

第1章  知识图谱概述 2

1.1  知识图谱的概念 2

1.2  知识图谱的发展 6

1.2.1  知识图谱与人工智能 6

1.2.2  专家系统 8

1.2.3  语义网 9

1.2.4  知识图谱的发展 11

1.3  知识图谱的应用与现状 12

1.3.1  知识图谱分类 12

1.3.2  通用知识图谱 14

1.3.3  领域知识图谱 17

1.4  参考文献 18

第2章  知识图谱构建技术 19

2.1  知识表示与知识建模 19

2.1.1  知识表示 19

2.1.2  知识建模 22

2.2  知识抽取 23

2.2.1  实体抽取 24

2.2.2  关系抽取 27

2.2.3  事件抽取 29

2.3  知识存储 29

2.3.1  基于表结构的关系型数据库 30

2.3.2  RDF存储系统 30

2.3.3  原生图数据库 34

2.4  知识融合 37

2.4.1  知识融合的概念 37

2.4.2  知识融合的异构 38

2.4.3  本体匹配 38

2.4.4  实体对齐 39

2.5  知识推理 40

2.6  参考文献 41

第3章  知识图谱的应用 42

3.1  知识库问答 42

3.1.1  知识库问答的构建方法 42

3.1.2  基于知识图谱的问答系统应用 49

3.2  基于图谱的推荐系统 49

3.2.1  推荐系统 49

3.2.2  基于知识图谱的推荐系统 52

3.2.3  推荐系统的应用 58

3.3  参考文献 59

第4章  数据采集与数据处理 60

4.1  数据采集 60

4.1.1  网络爬虫概述 60

4.1.2  网页爬虫采集 61

4.1.3  App爬虫采集 66

4.1.4  反爬虫 70

4.1.5  Scrapy框架 75

4.2  数据处理 80

4.2.1  结构化数据 81

4.2.2  半结构化数据 81

4.2.3  非结构化数据 82

第二篇　代码实践篇

第5章  知识抽取 84

5.1  实体抽取 84

5.1.1  实体抽取模型 84

5.1.2  实体抽取示例 101

5.2  关系抽取 111

5.2.1  关系抽取模型 111

5.2.2  关系抽取示例 115

5.3  事件抽取 124

5.3.1  事件抽取模型 124

5.3.2  事件抽取示例 127

5.4  参考文献 136

第6章  知识存储 138

6.1  知识存储工具 138

6.1.1  Neo4j 138

6.1.2  Virtuoso 148

6.1.3  SPARQL 152

6.2  知识存储案例 165

6.2.1  Neo4j存储 166

6.2.2  Virtuoso存储 169

第7章  知识图谱构建 173

7.1  图谱数据 173

7.1.1  数据采集 174

7.1.2  图谱构建 189

7.1.3  服务器端数据接口 194

7.2  知识图谱可视化 203

7.2.1  前端项目 203

7.2.2  图谱可视化 215

第8章  知识图谱与大语言模型 217

8.1  大语言模型 217

8.1.1  大语言模型概述 218

8.1.2  ChatGPT 219

8.1.3  GLM系列轻量级大语言模型 224

8.2  大语言模型与知识图谱的融合 234

8.2.1  统一大语言模型与知识图谱 234

8.2.2  大语言模型与知识图谱前景 251