1.本書的主編是國內從事相關領域研究和開發的一線專家，在知識工程領域有著二十餘年的研究和開發經驗。曾獲國家科技進步獎。2.本書內容包含了豐富的應用案例，可以幫助讀者繫統掌握相關技術，能夠從全局和繫統的視角看待和應用知識圖譜技術和相關原理。

●第1章緒論
1.1知識圖譜簡介
1.2領域分層知識體繫
參考文獻
第2章實體關繫圖譜構建技術
2.1知識抽取
2.1.1引言
2.1.2相關工作
2.1.3基於維基百科的知識抽取
2.1.4水利空間關繫詞識別與提取
2.1.5面向領域知識圖譜的關繫抽取
2.1.6基於強化學習的關繫抽取
2.1.7基於聯合學習的實體關繫抽取
2.1.8總結
2.2知識融合
2.2.1引言
2.2.2相關工作
2.2.3基於多特征的實體消歧
2.2.4基於詞典的屬性對齊
2.2.5基於貝葉斯分析的屬性真值發現
2.2.6實驗分析
2.2.7總結
2.3知識存儲
2.3.1引言
2.3.2相關工作
2.3.3基於頻繁謂詞的擴展垂直劃分方法
2.3.4基於頻繁謂詞樹的SPARQL查詢方法
2.3.5基於混合存儲模式的分布式SPARQL查詢優化
2.3.6總結
參考文獻
第3章事理圖譜構建
3.1事件和場景抽取
3.1.1引言
3.1.2相關工作
3.1.3基於預訓練模型的事件抽取
3.1.4基於Bi-LG-LSTM神經網時間序列分割
3.1.5基於滑動窗口采樣和DTWCorr度量方時間序列分割
3.1.6總結
3.2事件模式庫構建
3.2.1引言
3.2.2相關工作
3.2.3基於特征提取與選時間序列聚類
3.2.4基於子序列全連接的時間序列模體挖掘
3.2.5基於時間序列關時間序列關聯規則挖掘
3.2.6總結
3.3事理規則挖掘
3.3.1引言
3.3.2相關工作
3.3.3基於事理圖譜的時空場景事件演化成因分析
3.3.4總結
參考文獻
第4章業務主題圖譜構建技術
4.1層次主題挖掘技術
4.1.1引言
4.1.2相關工作
4.1.3基於標簽信息的文本主題層次挖掘模型
4.1.4總結
4.2動態主題挖掘技術
4.2.1引言
4.2.2相關研究
4.2.3基於主題關聯度的動態主題演化路徑挖掘
4.2.4總結
4.3對像屬性挖掘技術
4.3.1引言
4.3.2相關工作
4.3.3基於LDA和同義詞識別的對像屬性挖掘
4.3.4總結
4.4主題-要素關聯挖掘技術
4.4.1引言
4.4.2相關工作
4.4.3基於文檔網絡圖的主題關鍵要素挖掘
4.4.4總結
參考文獻
第5章領域知識應用
5.1智能數據服務技術的應用案例
5.1.1引言
5.1.2基於知識圖譜的多關繫問答
5.1.3水利領域知識圖譜可視化
5.1.4基於知識圖譜的個性化推薦
5.1.5面向基礎水利對像的多模態數據關聯與應用
5.1.6總結
5.2智能決策支持的應用案例
5.2.1引言
5.2.2基於時空特征模式庫的決策方案生成和優化
5.2.3基於事理圖譜演化模式的反向成因分析
5.2.4總結
5.3智能預測模型的應用案例
5.3.1引言
5.3.2基於多特征小樣本數據的洪水預報
5.3.3基於可解釋的時空注意力網絡方法的洪水預報
5.3.4基於特征融合的洪水預測
5.3.5基於可解釋的洪水多步預測方法
5.3.6總結
5.4基於耦合網絡的業務協同預演
5.4.1引言
5.4.2耦合網絡定義與表示
5.4.3面向業務的協同預演繫統架構
5.4.4總結
參考文獻

知識圖譜已被廣泛應用於智能信息搜索、自動問答、決策分析等領域。本書以構建領域多層次知識體繫支撐智能應用為目標，繫統地介紹實體關繫圖譜、事理圖譜和業務主題圖譜構建過程中涉及的關鍵技術，如知識抽取、知識融合、知識存儲、事件和場景抽取、事件模式庫構建、事理規則挖掘、層次主題挖掘、動態主題挖掘、對像屬性挖掘、主題要素關聯挖掘等。此外，本書還提供豐富的案例，展現如何利用知識圖譜實現領域智能應用。本書內容對於知識圖譜研究和領域應用具有一定的參考意義，既適合專業人士了解知識圖譜和深度學習前沿熱點，又適合在相關領域從事知識圖譜應用開發的人員學習，還可以作為高等院校人工智能專業師生的參考教材。

馮鈞 等 著