领域知识图谱构建，115页2019著作带你学习KGC(附下载)

知识图谱一直是学术工业界关注的焦点，但是知识图谱的书籍缺非常少。南加州大学计算机科学家Mayank Kejriwal撰写了《Domain-Specific Knowledge Graph Construction》，总共115页图书，包含了知识图谱的涵义、信息抽取、实体链接、知识图谱补全、知识图谱实例等内容，值得学习阅读！

领域知识图谱构建

特定领域的知识图谱已经作为一个方向开始出现，并且发展迅速。图方法在人工智能中已经存在了很长一段时间，可以追溯到该领域最早的时代，但将大量数据自动表示为图谱是一项相对现代的发明。随着Web的出现，以及对更智能搜索引擎的需求，谷歌知识图谱诞生了。谷歌知识图谱改变了我们与搜索引擎交互的方式，尽管我们常常没有意识到这一点。例如，用户在搜索某个东西时不点击某个链接的情况已经不再罕见;一般来说，搜索引擎本身能够为用户所面临的问题提供解决方案。将传统的搜索引擎与图像、新闻和视频有机地结合起来，为这些交互添加丰富的元素。

领域特定知识图构建(KGC)是一个活跃的研究领域，最近由于机器学习技术(如深度神经网络和单词嵌入)取得了令人印象深刻的进展。本书将以一种引人入胜和可访问的方式综合Web数据上的知识图结构。

知识图谱示例

Google知识图谱构建流程

目录内容：

1. 什么是知识图谱?

• 1.1 引言
• 1.2 示例 1: 学术领域
• 1.3 示例 2: 产品与公司
• 1.4 示例 3: 地理政治事件
• 1.5 结论

2. 信息抽取

• 2.1 引言
• 2.2 IE挑战
• 2.3 IE 任务范畴
• 2.3.1 命名实体识别
• 2.3.2 关系提取
• 2.3.3 事件提取
• 2.3.4 Web IE
• 2.4 IE效果评估
• 2.5 总结

3 实体消歧

• 3.1 引言
• 3.2 挑战与要求
• 3.3 两阶段框架
• 3.4 性能度量
• 3.5 两阶段框架流程扩展
• 3.6 相关工作概述
• 3.7 总结

4. 高级主题: 知识图谱补全

• 4.1 引言
• 4.2 知识图谱嵌入
• 4.2.1 TransE
• 4.2.2 TransE Extensions and Alternatives
• 4.2.3 局限
• 4.2.4 前沿以及相关工作
• 4.2.5 KGEs应用
• 4.3 引言

5 生态系统

• 5.1 引言
• 5.2 Web链接数据
• 5.2.1 链接数据原则
• 5.2.2 技术栈
• 5.2.3 链接开放数据
• 5.2.4 例子: DBpedia
• 5.3 Google知识图谱
• 5.4 Schema.org
• 5.5 未来展望