工業(yè)級知識圖譜：方法與實踐

目    錄

第1章  工業(yè)級知識圖譜概述  / 1

1.1  知識圖譜概述  / 2

1.1.1  通用知識圖譜  / 2

1.1.2  行業(yè)知識圖譜  / 3

1.2  工業(yè)級知識圖譜實戰(zhàn)原則  / 4

1.2.1  實踐中的典型問題  / 4

1.2.2  實戰(zhàn)原則  / 4

1.3  阿里巴巴知識引擎技術(shù)架構(gòu)  / 8

1.3.1  平臺產(chǎn)品：知識建模與管理  / 9

1.3.2  平臺產(chǎn)品：知識生產(chǎn)  / 11

1.3.3  業(yè)務(wù)、平臺產(chǎn)品：知識服務(wù)  / 16

1.4  本章小結(jié)  / 19

第2章  商品知識的表示和建模  / 20

2.1  知識表示簡介  / 21

2.1.1  基于符號邏輯的知識表示方法  / 21

2.1.2  面向互聯(lián)網(wǎng)的知識表示方法  / 23

2.1.3  基于連續(xù)向量的知識表示  / 25

2.2  行業(yè)知識建模  / 27

2.2.1  基于專家的知識建模  / 27

2.2.2  基于機器學(xué)習(xí)的知識建模  / 29

2.3  商品知識建模實踐  / 32

2.3.1  術(shù)語抽取  / 33

2.3.2  商品概念及上下位關(guān)系生成  / 36

2.4  構(gòu)建商品知識體系  / 37

2.4.1  通用域知識圖譜  / 37

2.4.2  阿里商品域知識體系  / 39

2.5  商品知識建模應(yīng)用場景  / 48

2.5.1  服務(wù)國家和社會機構(gòu)應(yīng)用  / 48

2.5.2  零售業(yè)務(wù)應(yīng)用  / 49

2.6  小結(jié)  / 50

2.6.1  知識建模技術(shù)的未來發(fā)展  / 50

2.6.2  知識體系設(shè)計的未來發(fā)展  / 51

第3章  商品知識融合  / 53

3.1  知識融合概述  / 54

3.1.1  知識融合的主要難點  / 54

3.1.2  知識融合的基本步驟  / 55

3.2  本體對齊  / 57

3.2.1  基于語言學(xué)特征的方法  / 58

3.2.2  基于結(jié)構(gòu)特征的方法  / 61

3.2.3  商品知識圖譜本體對齊算法  / 63

3.3  實體對齊  / 70

3.3.1  實體對齊的流程  / 70

3.3.2  實體對齊的技術(shù)路線  / 71

3.3.3  商品知識圖譜實體對齊實踐  / 80

3.4  信息融合  / 91

3.4.1  無監(jiān)督的信息融合方法  / 92

3.4.2  有監(jiān)督和半監(jiān)督的信息融合方法  / 99

3.4.3  商品知識圖譜信息融合算法實踐  / 100

3.5  跨語言知識融合  / 103

3.5.1  跨語言知識融合的挑戰(zhàn)  / 103

3.5.2  跨語言實體對齊的技術(shù)路線  / 104

3.5.3  基于規(guī)則的跨語言實體對齊方法  / 104

3.5.4  基于翻譯的跨語言實體對齊方法  / 105

3.5.5  基于表示學(xué)習(xí)的跨語言實體對齊方法  / 107

3.6  知識融合質(zhì)量評估體系  / 110

3.6.1  知識融合評估指標介紹  / 110

3.6.2  離線融合效果評估  / 112

3.6.3  在線融合效果評估  / 117

3.7  本章小結(jié)  / 119

第4章  商品知識獲取  / 120

4.1  知識獲取概述  / 121

4.1.1  知識獲取相關(guān)任務(wù)  / 121

4.1.2  知識獲取相關(guān)測評會議  / 123

4.2  命名實體識別  / 125

4.2.1  命名實體識別概覽  / 125

4.2.2  標注體系及常用數(shù)據(jù)集  / 126

4.2.3  基于規(guī)則的命名實體識別  / 128

4.2.4  基于統(tǒng)計模型的命名實體識別  / 128

4.2.5  基于神經(jīng)網(wǎng)絡(luò)的實體識別  / 130

4.3  實體鏈接  / 133

4.3.1  實體鏈接概述  / 133

4.3.2  候選實體生成  / 133

4.3.3  候選實體排序  / 135

4.3.4  端到端的實體鏈接方法  / 138

4.4  關(guān)系抽取  / 139

4.4.1  關(guān)系抽取概述  / 139

4.4.2  基于模板的關(guān)系抽取方法  / 140

4.4.3  基于監(jiān)督學(xué)習(xí)的關(guān)系抽取方法  / 140

4.4.4  基于半監(jiān)督學(xué)習(xí)的關(guān)系抽取方法  / 149

4.4.5  基于無監(jiān)督學(xué)習(xí)的關(guān)系抽取方法  / 154

4.5  槽填充與屬性補全  / 156

4.5.1  槽填充與屬性補全概述  / 156

4.5.2  基于模板的方法  / 158

4.5.3  基于關(guān)系分類的方法  / 160

4.6  面向半結(jié)構(gòu)化數(shù)據(jù)的知識獲取  / 160

4.6.1  百科類網(wǎng)站數(shù)據(jù)抽取  / 160

4.6.2  面向Web網(wǎng)頁的知識獲取  / 161

4.7  低資源條件下知識獲取  / 162

4.7.1  基于監(jiān)督學(xué)習(xí)和弱監(jiān)督學(xué)習(xí)的方法  / 163

4.7.2  基于遷移學(xué)習(xí)的方法  / 163

4.7.3  基于元學(xué)習(xí)的方法  / 164

4.7.4  基于知識增強的方法  / 165

4.8  電商領(lǐng)域知識獲取實踐  / 166

4.8.1  電商知識獲取框架  / 166

4.8.2  面向場景導(dǎo)購的知識獲取示例  / 169

4.8.3  低資源商品知識獲取示例  / 177

4.9  本章小結(jié)  / 180

第5章  商品知識推理  / 182

5.1  知識推理概述  / 183

5.1.1  知識推理的作用  / 183

5.1.2  專家系統(tǒng)與知識推理  / 184

5.1.3  神經(jīng)網(wǎng)絡(luò)與知識推理  / 185

5.2  基于符號邏輯的知識推理  / 186

5.2.1  基于本體的知識推理方法  / 187

5.2.2  基于規(guī)則的知識推理方法  / 191

5.2.3  基于規(guī)則學(xué)習(xí)的知識圖譜推理  / 197

5.3  基于表示學(xué)習(xí)的知識推理  / 200

5.3.1  基于分布式表示的知識推理  / 200

5.3.2  基于神經(jīng)網(wǎng)絡(luò)的知識推理  / 210

5.4  基于圖數(shù)據(jù)庫的商品知識推理引擎工程實踐  / 218

5.4.1  技術(shù)框架簡介  / 219

5.4.2  與傳統(tǒng)規(guī)則推理引擎的對比  / 223

5.5  可解釋的商品知識圖譜推理應(yīng)用實踐  / 226

5.5.1  電商應(yīng)用背景  / 226

5.5.2  技術(shù)實踐方案  / 228

5.5.3  實驗結(jié)果及案例分析  / 233

5.6  基于強化學(xué)習(xí)的商品規(guī)則學(xué)習(xí)與推理應(yīng)用實踐  / 236

5.6.1  電商應(yīng)用背景  / 236

5.6.2  技術(shù)實踐方案  / 238

5.6.3  實驗結(jié)果及案例分析  / 240

5.7  本章小結(jié)  / 241

第6章  知識圖譜的存儲、服務(wù)與質(zhì)量  / 243

6.1  知識圖譜的存儲  / 244

6.1.1  數(shù)據(jù)模型  / 244

6.1.2  存儲系統(tǒng)選型  / 247

6.1.3  圖查詢語言  / 252

6.1.4  關(guān)鍵技術(shù)與選擇  / 254

6.2  知識圖譜的服務(wù)  / 257

6.2.1  基于知識圖譜的搜索  / 258

6.2.2  基于知識圖譜的推薦  / 264

6.2.3  搜索推薦在業(yè)務(wù)智能中的應(yīng)用  / 274

6.2.4  基于知識圖譜的問答系統(tǒng)  / 278

6.3  知識圖譜質(zhì)量保障  / 281

6.3.1  質(zhì)量保障架構(gòu)  / 281

6.3.2  測試原則與方法  / 282

6.4  本章小結(jié)  / 284

第7章  大規(guī)模商品知識圖譜

預(yù)訓(xùn)練  / 285

7.1  知識預(yù)訓(xùn)練概述  / 286

7.1.1  預(yù)訓(xùn)練語言模型  / 286

7.1.2  知識圖譜中的結(jié)構(gòu)化上下文信息  / 288

7.1.3  基于知識增強的預(yù)訓(xùn)練模型  / 289

7.1.4  預(yù)訓(xùn)練知識圖譜模型與預(yù)訓(xùn)練語言模型的區(qū)別  / 293

7.2  商品知識圖譜靜態(tài)預(yù)訓(xùn)練模型  / 294

7.2.1  預(yù)訓(xùn)練知識圖譜查詢框架  / 294

7.2.2  預(yù)訓(xùn)練知識圖譜查詢模塊  / 295

7.2.3  預(yù)訓(xùn)練知識圖譜查詢服務(wù)  / 296

7.2.4  在任務(wù)模塊中使用查詢服務(wù)  / 297

7.3  商品知識圖譜動態(tài)預(yù)訓(xùn)練模型  / 299

7.3.1  上下文模塊和整合模塊  / 299

7.3.2  預(yù)訓(xùn)練階段和微調(diào)階段  / 301

7.4  商品知識圖譜預(yù)訓(xùn)練實踐案例  / 303

7.4.1  基于知識圖譜預(yù)訓(xùn)練的商品分類  / 304

7.4.2  基于知識圖譜預(yù)訓(xùn)練的商品對齊  / 309

7.4.3  基于知識圖譜預(yù)訓(xùn)練的商品推薦  / 312

7.4.4  基于商品知識預(yù)訓(xùn)練的實體識別  / 316

7.4.5  基于商品知識預(yù)訓(xùn)練的關(guān)系抽取與屬性補齊  / 318

7.4.6  基于商品知識預(yù)訓(xùn)練的標題生成  / 324

7.5  總結(jié)與展望  / 325

參考文獻  / 326