知識圖譜：基礎、技術與應用

知識圖譜以直觀方式呈現實體間的關係，能夠有效整合、表示和挖掘複雜知識，為信息檢索、智慧問答、資料分析等眾多領域提供強大的知識支撐。本書系統講解知識圖譜的完整體系，從基礎到應用層層深入。第一部分介紹基礎知識，內容包括知識圖譜的建模和表示方法。第二部分聚焦知識圖譜構建過程，涵蓋領域發現、命名實體識別、信息提取等技術。第三部分講解知識圖譜補全技術，包括實例匹配、統計關係學習等。第四部分闡述知識圖譜的訪問方式，涉及推理、檢索、結構化查詢及問答。第五部分展現知識圖譜生態系統，介紹關聯資料及知識圖譜在多個領域中的應用。

馬揚克·柯內瓦爾（Mayank Kejriwal）美國南加州大學工業與系統工程系研究副教授，他擁有計算機科學博士學位，其畢業論文獲2017年語義網科學協會最佳論文獎。他在ISWC、AAAI等頂會/期刊上發表論文40餘篇，並入選2019年Forbes 30 Under 30科學榜。克雷格·A. 諾布洛克（Craig A. Knoblock）AAAI會士、ACM會士，美國南加州大學資訊科學研究所執行所長、知識圖譜研究中心研究主任，卡內基·梅隆大學計算機科學博士，曾任國際人工智慧聯合會議（IJCAI）主席及理事，人工智慧重要獎項羅伯特·S. 恩格爾莫爾獎得主。佩德羅·塞凱伊（Pedro Szekely）亞馬遜首席應用科學家，卡內基·梅隆大學計算機科學博士，曾任職于美國南加州大學資訊科學研究所及多個學術會議程式委員會。他在“領域洞察圖譜”方面的研究成果榮獲多項最佳論文獎。