开放网络知识计算：模型、方法与应用

　　网络大数据是指“人、机、物”三元世界在网络空间（cyberspace）中彼此交互与融合所产生并在互联网上可获得的大数据，简称网络数据。本书提出了开放知识网络的概念，以概率论、图论、矩阵分析、组合优化等为模型基础，给出了一套从开放知识的感知与获取、开放知识的融合与更新、开放知识的推断与预测，到开放知识计算引擎的构建及系统应用的开放知识处理流程。深入探讨了开放知识网络的建模与计算方法，并通过开放网络知识库和应用系统，介绍了典型应用案例，全面、系统地展示了本领域*新的研究成果和进展。本书可作为计算机、通信、信息等相关专业的教师、研究生和大学高年级学生的教材或教学参考书，也可供行业大数据分析、商业情报挖掘、语义检索、知识问答等方面的研究人员和工程技术人员参考。

　　王元卓，贾岩涛，林海伦，程学旗

开放网络知识计算——模型、方法与应用目录

第一部分网络大数据中的开放知识

第1章网络大数据

1.1网络大数据

1.2网络大数据研究的意义

1.3网络大数据带来的挑战

1.3.1网络大数据的复杂性

1.3.2网络大数据的不确定性

1.3.3网络大数据的涌现性

1.4网络空间感知与数据表示

1.4.1网络大数据的感知与获取

1.4.2网络大数据的质量评估与采样

1.4.3网络大数据的清洗与提炼

1.4.4网络大数据的融合表示

1.5网络大数据存储与管理体系

1.5.1分布式数据存储

1.5.2数据高效索引

1.5.3数据世系管理

1.6网络大数据挖掘和社会化计算

1.6.1基于内容信息的数据挖掘

1.6.2基于结构信息的社会化计算

1.7网络数据平台系统与应用

1.7.1网络大数据平台引擎建设

1.7.2网络大数据下的高端数据分析

1.7.3网络大数据的应用

1.8研究展望

1.9本章小结

参考文献

第2章开放网络知识

2.1概述

2.2开放网络知识库构建

2.2.1知识库构建

2.2.2多源知识的融合

2.2.3知识库的更新

2.3基于开放网络知识库的信息检索

2.3.1意图感知

2.3.2查询扩展

2.3.3语义问答

2.4基于开放网络知识库的数据挖掘

2.4.1线索挖掘

2.4.2关系推理

2.4.3关系预测

2.5研究展望

2.6本章小结

参考文献

第二部分模 型 理 论

第3章概率论

3.1概述

3.2概率

3.3条件概率和全概率公式

3.3.1条件概率

3.3.2全概率公式

3.4贝叶斯定理

3.5本章小结

参考文献

第4章图论

4.1概述

4.2有向图与无向图

4.3完全图、稀疏图与二部图

4.3.1完全图与稀疏图

4.3.2二部图

4.4子图与树

4.5路径与连通性

4.5.1路径

4.5.2连通性

4.6图的邻接矩阵

4.7图的遍历

4.7.1DFS遍历

4.7.2BFS遍历

4.8本章小结

参考文献

第5章矩阵分析

5.1概述

5.2矩阵基本概念

5.3矩阵的基本运算

5.4矩阵的分解

5.5本章小结

参考文献

第6章组合优化

6.1概述

6.2图的匹配

6.2.1匹配的相关概念

6.2.2最大匹配

6.2.3最大权匹配

6.3背包问题

6.3.1分支限界法

6.3.2贪婪近似算法

6.3.3模拟退火算法

6.3.4多项式时间近似方案

6.3.5其他背包问题

6.4本章小结

参考文献

第7章开放知识网络

7.1开放知识网络的表示方法

7.1.1可演化的知识网络模型

7.1.2知识网络的分布式表示

7.1.3知识网络的增量表示

7.2开放知识网络表示的性质

7.2.1收敛性

7.2.2可增量性

7.3本章小结

参考文献

第三部分计 算 方 法

第8章开放网络知识库的构建方法

8.1概述

8.2概念抽取方法

8.2.1相关工作

8.2.2基于词向量的领域概念抽取方法

8.2.3实验与结果分析

8.3属性抽取方法

8.3.1开放文本属性抽取方法

8.3.2实验与结果分析

8.4关系抽取方法

8.4.1相关工作

8.4.2基于多句特征的领域概念间关系抽取方法

8.4.3基于概念相似度的潜在领域关系推断方法

8.4.4实验与结果分析

8.5概念细化方法

8.5.1方法概述

8.5.2划分属性的挖掘

8.5.3实验结果

8.6本章小结

参考文献

第9章知识融合与更新方法

9.1概述

9.2实体融合方法

9.2.1相关工作

9.2.2基于依赖图联合推断的融合方法

9.2.3实验与分析

9.3关系融合方法

9.3.1相关工作

9.3.2基于实体关系嵌入的融合方法

9.3.3实验与分析

9.4类别融合方法

9.4.1基于复合结构的融合方法

9.4.2基于集成排序的融合方法

9.5自适应更新方法

9.6本章小结

参考文献

第10章知识推断方法

10.1概述

10.2静态关系推断

10.2.1相关工作

10.2.2融合结构与内容的关系推断

10.3非时序动态关系推断

10.3.1相关工作

10.3.2融合时间信息的关系推断

10.4本章小结

参考文献

第11章知识预测方法

11.1关系预测

11.1.1相关工作

11.1.2基于开放知识网络的关系预测

11.2实体预测

11.3本章小结

参考文献

第四部分系统与应用场景

第12章知识库与知识分析系统

12.1概述

12.2Freebase知识库

12.2.1Freebase的构建

12.2.2Freebase的融合与更新

12.2.3Freebase的知识计算

12.2.4Freebase的典型应用

12.3Yago知识库

12.3.1Yago的构建

12.3.2Yago的融合与更新

12.3.3Yago的知识计算

12.3.4Yago的典型应用

12.4Probase知识库

12.4.1Probase的构建

12.4.2Probase的融合与更新

12.4.3Probase的典型应用

12.5Knowledge Graph知识计算系统

12.5.1Knowledge Graph的构建

12.5.2Knowledge Graph的典型应用

12.6Knowledge Vault知识计算系统

12.6.1Knowledge Vault的构建

12.6.2Knowledge Vault的融合与更新

12.6.3Knowledge Vault的知识计算

12.6.4Knowledge Vault的典型应用

12.7Palantir

12.7.1Palantir的构建

12.7.2Palantir的知识计算

12.7.3Palantir的典型应用

12.8NELL

12.8.1NELL的构建

12.8.2NELL的应用

12.9开放网络知识库构建技术的评价

12.9.1相关工作

12.9.2开放网络知识库构建技术的多维指标体系

12.9.3开放网络知识库构建技术的多维量化评价方法

12.9.4实验

12.10本章小结

参考文献

第13章开放网络知识计算引擎OpenKN

13.1OpenKN的整体架构

13.2OpenKN的自适应性

13.3OpenKN的演化计算

13.3.1可演化知识网络

13.3.2OpenKN的演化计算算子库

13.4本章小结

参考文献

第14章应用场景分析

14.1概述

14.2人物谱系关系画像与分析

14.2.1背景与意义

14.2.2分析流程

14.2.3演示样例

14.3领域事件的演化态势分析

14.3.1背景与意义

14.3.2分析流程

14.3.3演示样例

14.4新闻语义推荐

14.4.1背景与意义

14.4.2分析流程

14.4.3演示样例

14.5本章小结

参考文献