开放网络知识计算 模型、方法与应用PDF电子书下载

第一部分 网络大数据中的开放知识 3

第1章 网络大数据 3

1.1 网络大数据 3

1.2 网络大数据研究的意义 5

1.3 网络大数据带来的挑战 6

1.3.1 网络大数据的复杂性 6

1.3.2 网络大数据的不确定性 7

1.3.3 网络大数据的涌现性 8

1.4 网络空间感知与数据表示 9

1.4.1 网络大数据的感知与获取 9

1.4.2 网络大数据的质量评估与采样 9

1.4.3 网络大数据的清洗与提炼 9

1.4.4 网络大数据的融合表示 10

1.5 网络大数据存储与管理体系 10

1.5.1 分布式数据存储 10

1.5.2 数据高效索引 11

1.5.3 数据世系管理 12

1.6 网络大数据挖掘和社会化计算 13

1.6.1 基于内容信息的数据挖掘 13

1.6.2 基于结构信息的社会化计算 13

1.7 网络数据平台系统与应用 14

1.7.1 网络大数据平台引擎建设 15

1.7.2 网络大数据下的高端数据分析 15

1.7.3 网络大数据的应用 15

1.8 研究展望 16

1.9 本章小结 17

参考文献 17

第2章 开放网络知识 21

2.1 概述 21

2.2 开放网络知识库构建 23

2.2.1 知识库构建 23

2.2.2 多源知识的融合 26

2.2.3 知识库的更新 27

2.3 基于开放网络知识库的信息检索 27

2.3.1 意图感知 28

2.3.2 查询扩展 29

2.3.3 语义问答 30

2.4 基于开放网络知识库的数据挖掘 31

2.4.1 线索挖掘 31

2.4.2 关系推理 32

2.4.3 关系预测 35

2.5 研究展望 35

2.6 本章小结 36

参考文献 37

第二部分 模型理论 43

第3章 概率论 43

3.1 概述 43

3.2 概率 43

3.3 条件概率和全概率公式 45

3.3.1 条件概率 45

3.3.2 全概率公式 48

3.4 贝叶斯定理 49

3.5 本章小结 50

参考文献 50

第4章 图论 51

4.1 概述 51

4.2 有向图与无向图 51

4.3 完全图、稀疏图与二部图 52

4.3.1 完全图与稀疏图 52

4.3.2 二部图 53

4.4 子图与树 54

4.5 路径与连通性 56

4.5.1 路径 56

4.5.2 连通性 56

4.6 图的邻接矩阵 57

4.7 图的遍历 59

4.7.1 DFS遍历 59

4.7.2 BFS遍历 60

4.8 本章小结 61

参考文献 61

第5章 矩阵分析 62

5.1 概述 62

5.2 矩阵基本概念 62

5.3 矩阵的基本运算 64

5.4 矩阵的分解 67

5.5 本章小结 68

参考文献 68

第6章 组合优化 69

6.1 概述 69

6.2 图的匹配 70

6.2.1 匹配的相关概念 70

6.2.2 最大匹配 72

6.2.3 最大权匹配 73

6.3 背包问题 75

6.3.1 分支限界法 76

6.3.2 贪婪近似算法 78

6.3.3 模拟退火算法 79

6.3.4 多项式时间近似方案 81

6.3.5 其他背包问题 82

6.4 本章小结 84

参考文献 84

第7章 开放知识网络 85

7.1 开放知识网络的表示方法 85

7.1.1 可演化的知识网络模型 85

7.1.2 知识网络的分布式表示 86

7.1.3 知识网络的增量表示 94

7.2 开放知识网络表示的性质 95

7.2.1 收敛性 95

7.2.2 可增量性 98

7.3 本章小结 102

参考文献 102

第三部分 计算方法 107

第8章 开放网络知识库的构建方法 107

8.1 概述 107

8.2 概念抽取方法 107

8.2.1 相关工作 107

8.2.2 基于词向量的领域概念抽取方法 111

8.2.3 实验与结果分析 115

8.3 属性抽取方法 118

8.3.1 开放文本属性抽取方法 118

8.3.2 实验与结果分析 121

8.4 关系抽取方法 122

8.4.1 相关工作 122

8.4.2 基于多句特征的领域概念间关系抽取方法 125

8.4.3 基于概念相似度的潜在领域关系推断方法 131

8.4.4 实验与结果分析 133

8.5 概念细化方法 140

8.5.1 方法概述 141

8.5.2 划分属性的挖掘 142

8.5.3 实验结果 143

8.6 本章小结 144

参考文献 145

第9章 知识融合与更新方法 147

9.1 概述 147

9.2 实体融合方法 148

9.2.1 相关工作 148

9.2.2 基于依赖图联合推断的融合方法 156

9.2.3 实验与分析 163

9.3 关系融合方法 170

9.3.1 相关工作 170

9.3.2 基于实体-关系嵌入的融合方法 174

9.3.3 实验与分析 180

9.4 类别融合方法 183

9.4.1 基于复合结构的融合方法 185

9.4.2 基于集成排序的融合方法 204

9.5 自适应更新方法 212

9.6 本章小结 215

参考文献 216

第10章 知识推断方法 223

10.1 概述 223

10.2 静态关系推断 224

10.2.1 相关工作 224

10.2.2 融合结构与内容的关系推断 228

10.3 非时序动态关系推断 236

10.3.1 相关工作 236

10.3.2 融合时间信息的关系推断 240

10.4 本章小结 248

参考文献 249

第11章 知识预测方法 251

11.1 关系预测 251

11.1.1 相关工作 251

11.1.2 基于开放知识网络的关系预测 253

11.2 实体预测 257

11.3 本章小结 259

参考文献 259

第四部分 系统与应用场景 263

第12章 知识库与知识分析系统 263

12.1 概述 263

12.2 Freebase知识库 265

12.2.1 Freebase的构建 266

12.2.2 Freebase的融合与更新 267

12.2.3 Freebase的知识计算 269

12.2.4 Freebase的典型应用 270

12.3 Yago知识库 271

12.3.1 Yago的构建 272

12.3.2 Yago的融合与更新 274

12.3.3 Yago的知识计算 275

12.3.4 Yago的典型应用 276

12.4 Probase知识库 280

12.4.1 Probase的构建 281

12.4.2 Probase的融合与更新 287

12.4.3 Probase的典型应用 288

12.5 Knowledge Graph知识计算系统 289

12.5.1 Knowledge Graph的构建 289

12.5.2 Knowledge Graph的典型应用 290

12.6 Knowledge Vault知识计算系统 291

12.6.1 Knowledge Vault的构建 291

12.6.2 Knowledge Vault的融合与更新 292

12.6.3 Knowledge Vault的知识计算 295

12.6.4 Knowledge Vault的典型应用 296

12.7 Palantir 296

12.7.1 Palantir的构建 296

12.7.2 Palantir的知识计算 299

12.7.3 Palantir的典型应用 299

12.8 NELL 300

12.8.1 NELL的构建 301

12.8.2 NELL的应用 305

12.9 开放网络知识库构建技术的评价 306

12.9.1 相关工作 307

12.9.2 开放网络知识库构建技术的多维指标体系 308

12.9.3 开放网络知识库构建技术的多维量化评价方法 311

12.9.4 实验 313

12.10 本章小结 315

参考文献 316

第13章 开放网络知识计算引擎OpenKN 320

13.1 OpenKN的整体架构 320

13.2 OpenKN的自适应性 322

13.3 OpenKN的演化计算 323

13.3.1 可演化知识网络 323

13.3.2 OpenKN的演化计算算子库 325

13.4 本章小结 325

参考文献 326

第14章 应用场景分析 328

14.1 概述 328

14.2 人物谱系关系画像与分析 328

14.2.1 背景与意义 328

14.2.2 分析流程 329

14.2.3 演示样例 333

14.3 领域事件的演化态势分析 336

14.3.1 背景与意义 336

14.3.2 分析流程 336

14.3.3 演示样例 338

14.4 新闻语义推荐 340

14.4.1 背景与意义 340

14.4.2 分析流程 340

14.4.3 演示样例 342

14.5 本章小结 344

参考文献 344