岁尾巨献《知识图谱：概念与技术》现已上市！

《知识图谱：概念与技术》可能是今年AI圈最受关注的图书之一。

博文菌早在今年8月份，本书还在撰写阶段，就忍不住为大家安利过一波。后来一开启预售，便稳居各大网店预售榜前列。

经过了漫长的等待，如今《知识图谱：概念与技术》终终终终于正式上架销售了！

 划重点，这不是预售，是“现货直发”！

激动的博文菌要再次为它摇旗推荐！

这是一本系统介绍知识图谱概念、技术与实践的教材，能够帮助你建立知识图谱学科体系，健全大数据知识工程知识体系，为工业界知识图谱实践提供参考。

▲ 扫码立即了解本书详情 ▲

随着知识图谱技术研究与应用的深化，知识图谱技术吸引了来自工业界与学术界的广泛关注。知识图谱领域涌现出大量的理论与技术研究成果，以及一批优秀的工程实践案例。一方面，对于这些理论工作与工程实践，需要进行系统性的梳理；另一方面，随着研究与应用的深入，业界也迫切需要一本系统性的知识图谱教材。

▊ 有深度有广度，力求涵盖知识图谱相关的基本概念与关键技术

全书共5篇，由16 章构成，力求涵盖知识图谱相关的基本概念与关键技术。

  基础篇  介绍知识图谱的基本概念、内涵与外延、历史沿革、应用价值，以及相关的基础知识。

  构建篇  重点介绍大规模高质量知识图谱的自动化构建技术，涵盖词汇挖掘、实体识别、关系抽取及概念图谱构建、百科图谱构建、众包构建与质量控制等专题。

  管理篇  系统地阐述了知识图谱建模与存储、查询与检索，以及图数据管理系统。

  应用篇  对于基于知识图谱的关键应用技术展开介绍，包括搜索与推荐、自然语言问答，以及基于知识图谱的自然语言理解。

  实践篇  介绍知识图谱实践中的基本原则和有用实践，初步讨论了知识图谱实践中的开放性问题。

--------

▊ 梳理前沿成果，总结了十多个知识图谱工程项目的落地经验

本书在梳理西方思想体系与应用实践的基础之上，对发生在当下中国的一些前沿实践、关键技术、实用方法，以及这些实践背后的思想体系，进行全面的总结，为一线的从业人员、教学人员提供必要的理论与技术论支撑。

--------

▊ 写作团队成员均为国内知名高校和研究所AI相关专业教师和研究员

本书主要作者团队为复旦大学知识工场实验室。

肖仰华老师作为复旦大学知识工场实验室的创始人，同时也是本书的主要作者。

肖仰华，博士，复旦大学教授、博士生导师、复旦大学知识工场实验室创始人。曾担任多家企业高级技术顾问与首席科学家。曾获得十多个国家、省/市、企业级的研究奖项，曾承担三十多项国家、省/市、企业级研发项目。在国际顶级学术会议与期刊（包括SIGMOD、VLDB、ICDE、IJCAI、AAAI、ACL、TKDE等）发表论文百余篇，授权近20项知识图谱专利。担任多个国际期刊编委，百余次为国际/国内学术机构/会议提供学术服务工作。领导构建了知识工场平台，发布了一系列知识图谱包括CN-DBpedia、CN-Probase等。

--------

▊ 内容历经一年打磨，并曾在多所高校试讲，根据听众反馈迭代改进

本书的内容体系基本成型于2018年8月，从2017年到2019年，其先后两次在复旦大学相关课程中进行讲授，2018年8月和12月其分别在上海财经大学和北京理工大学面向全国公开讲授，累计近千人次完成了课程的学习。从2018年年底至今，本书编写组完成了书稿，并经多轮修改，形成最终版本。

█ 本书内容架构 █  

全书共五篇，由16章构成，力求涵盖知识图谱相关的基本概念与关键技术。

第1篇 基础篇

包含前两章。第1章介绍知识图谱的基本概念、历史沿革、研究意义、应用价值等。第2章介绍知识图谱所必需的基础知识，主要介绍与知识图谱密切相关的知识表示、机器学习、自然语言处理的基本概念。

第2篇 构建篇

介绍知识图谱的构建。大规模高质量知识图谱的构建是整个知识图谱技术落地的核心，因此也是整本书的重点。本篇的核心是第3章与第4章。在这两章中，我们介绍了知识图谱中知识获取的两个核心问题。其中一个是点的识别与建立，知识图谱中的点可以是词汇与实体，因此第3章重点介绍了词汇挖掘与实体识别。有了知识图谱中的点之后，建立点之间的关系是知识图谱构建的核心问题。为此，第4章主要介绍了关系抽取（从文本中获取关系实例）。

在此基础上，第2篇进一步对两类重要的知识图谱，即概念图谱（第5章）与百科图谱（第6章）的构建展开了具体介绍。这两类知识图谱在知识图谱技术发展历程中有着突出地位，有很多实际应用。最后，第2篇再对其中的两个专题：众包构建（第7章）与质量控制（第8章）展开介绍。当前的知识图谱构建还离不开人，如何把人力用好是第7章的主题。质量控制是知识图谱构建的核心，第8章从质量视角再次盘点整个知识图谱构建的全流程。

可以看出，我们在构建部分浓墨重彩，从构建的关键环节（词汇挖掘、实体识别、关系抽取）、两类重要知识图谱的构建，以及构建的两个专题等三个切面对知识图谱构建进行了全方位的论述。其目的在于向读者立体式地呈现知识图谱构建的完整体系。这也从一个侧面说明了知识图谱知识体系的庞杂。

第3篇 管理篇

介绍知识图谱的建模与存储（第9章）、查询与检索（第10章）以及图数据管理系统（第11章）。这一篇旨在从数据管理的角度系统阐述知识图谱如何建模、如何存储、如何查询、如何检索，以及如何实现系统性的高效管理。

第4篇  应用篇

把知识图谱构建好、管理好的目的还是为了应用好。第4篇对于基于知识图谱的应用技术展开介绍，包括搜索与推荐（第13章）、自然语言问答（第14章）。这些应用本质上都依赖基于知识图谱的自然语言理解，因此这一专题也单独成章（第12章）。

第5篇  实践篇

知识图谱实践有哪些基本原则和最佳实践（第15章），以及在知识图谱应用过程中还存在哪些挑战（第16章），都会在这一篇中回答。

▲ 扫码立即了解本书详情 ▲

▶ 博文菌●互动时间 ◀

基于知识图谱的认知智能的应用广泛而多样。各类应用，包括数据分析、智慧搜索、智能推荐、自然人机交互和决策支持，都对知识图谱提出了需求。你能说出有哪些吗？欢迎在评论区留言~

---

如果喜欢本文

欢迎 在看丨留言丨分享至朋友圈 三连

截至本周三中午12点

博文菌将在三连用户中抽取两位幸运粉丝

各赠送《知识图谱》一本

  热文推荐  

• 最值得拥有的殿堂级C++入门神作！！
  

• Python：有效避免浪费生命
  

• 基于版本2.7，Dubbo核心技术新作来了

• 口碑销量双爆，这套数据分析丛书必成经典！
  

---

▼ 点击阅读原文，获取本书详情！