第1章　概述 1 1.1　知識表示的概念 2 1.2　知識表示與推理的發(fā)展歷史 5 1.3　本書的內(nèi)容安排 7 本章習題 8 第2章　經(jīng)典知識表示 9 2.1　概念表示 9 2.1.1　數(shù)理邏輯 10 2.1.2　集合論 12 2.1.3　概念的現(xiàn)代表示 13 2.2　產(chǎn)生式表示法 14 2.2.1　產(chǎn)生式 14 2.2.2　產(chǎn)生式系統(tǒng) 15 2.3　框架表示法 17 2.4　腳本表示法 20 2.5　狀態(tài)空間表示法 21 2.6　語義網(wǎng)表示法 23 2.6.1　語義網(wǎng)絡 23 2.6.2　語義網(wǎng)知識描述體系 25 2.7　數(shù)值化表示 31 2.7.1　符號的數(shù)值化表示 31 2.7.2　文本的數(shù)值化表示 32 本章小結 32 本章習題 33 第3章　知識圖譜 34 3.1　知識圖譜的概念 34 3.2　知識圖譜類型 36 3.3　知識圖譜生命周期 42 3.3.1　知識體系構建 42 3.3.2　知識獲取 43 3.3.3　知識融合 46 3.3.4　知識存儲 47 3.3.5　知識推理 47 3.3.6　知識應用 48 3.4　知識圖譜中的知識表示方法 50 3.4.1　表示框架 50 3.4.2　Freebase 52 3.4.3　知識圖譜的數(shù)值化表示 53 3.5　知識圖譜與深度學習 54 本章小結 57 本章習題 57 第4章　知識體系構建和知識融合 58 4.1　知識體系構建 58 4.1.1　人工構建方法 59 4.1.2　自動構建方法 62 4.1.3　典型知識體系 64 4.2　知識融合 66 4.2.1　框架匹配 66 4.2.2　實體對齊 68 4.2.3　沖突檢測與消解 69 4.2.4　典型知識融合系統(tǒng) 70 本章小結 72 本章習題 72 第5章　實體識別和擴展 73 5.1　實體識別 73 5.1.1　任務概述 73 5.1.2　基于規(guī)則的實體識別方法 76 5.1.3　基于機器學習的實體識別——基于特征的方法 77 5.1.4　基于機器學習的實體識別——基于神經(jīng)網(wǎng)絡的方法 83 5.2　細粒度實體識別 84 5.2.1　任務概述 84 5.2.2　細粒度實體類別的制定 85 5.2.3　細粒度實體識別方法 86 5.3　實體擴展 86 5.3.1　任務概述 86 5.3.2　實體擴展方法 87 本章小結 91 本章習題 91 第6章　實體消歧 92 6.1　任務概述 92 6.1.1　任務定義 92 6.1.2　任務分類 93 6.1.3　相關評測 94 6.2　基于聚類的實體消歧方法 97 6.2.1　基于表層特征的實體指稱項相似度計算 97 6.2.2　基于擴展特征的實體指稱項相似度計算 98 6.2.3　基于社會化網(wǎng)絡的實體指稱項相似度計算 98 6.3　基于實體鏈接的實體消歧方法 100 6.3.1　鏈接候選過濾方法 100 6.3.2　實體鏈接方法 101 6.4　面向結構化文本的實體消歧方法 104 本章小結 105 本章習題 105 第7章　關系抽取 106 7.1　任務概述 106 7.1.1　任務定義 106 7.1.2　任務分類 107 7.1.3　任務難點 108 7.1.4　相關評測 108 7.2　限定域關系抽取 109 7.2.1　基于模板的關系抽取方法 110 7.2.2　基于機器學習的關系抽取方法 111 7.3　開放域關系抽取 120 本章小結 122 本章習題 122 第8章　事件抽取 123 8.1　概述 123 8.2　限定域事件抽取 130 8.2.1　基于模式匹配的事件抽取方法 130 8.2.2　基于機器學習的事件抽取方法 132 8.3　開放域事件抽取 136 8.3.1　基于內(nèi)容特征的事件抽取方法 137 8.3.2　基于異常檢測的事件抽取方法 138 8.4　事件關系抽取 138 8.4.1　事件共指關系抽取 139 8.4.2　事件因果關系抽取 139 8.4.3　子事件關系抽取 140 8.4.4　事件時序關系抽取 140 本章小結 141 本章習題 141 第9章　知識存儲和檢索 142 9.1　知識圖譜的存儲 143 9.1.1　基于表結構的存儲 143 9.1.2　基于圖結構的存儲 148 9.2　知識檢索 150 9.2.1　常見形式化查詢語言 150 9.2.2　圖檢索技術 160 本章小結 163 本章習題 163 第10章　經(jīng)典知識推理 164 10.1　典型推理任務 164 10.1.1　知識補全 164 10.1.2　知識問答 165 10.2　知識推理分類 166 10.2.1　歸納推理 166 10.2.2　演繹推理 167 10.3　知識推理方法 168 10.3.1　歸納推理：學習推理規(guī)則 168 10.3.2　演繹推理：推理具體事實 169 10.4常識知識推理 171 本章小結 173 本章習題 173 第11章　確定性推理與不確定性推理 174 11.1　確定性推理 174 11.2　不確定性推理 175 11.2.1　概述 175 11.2.2　基于概率論的推理方法 179 11.2.3　模糊推理 180 本章小結 182 本章習題 182 第12章　數(shù)值推理 183 12.1　基于數(shù)值計算的推理 183 12.1.1　基于張量分解的方法 183 12.1.2　基于能量函數(shù)的方法 185 12.2　符號演算和數(shù)值計算的融合推理 189 本章小結 191 本章習題 192 第13章　知識問答與對話 193 13.1　概述 194 13.2　知識問答 195 13.2.1　基于語義解析的方法 197 13.2.2　基于搜索排序方法 203 13.2.3　常用評測數(shù)據(jù)及各方法性能比較 208 13.3　知識對話 209 13.3.1　知識對話技術概述 209 13.3.2　任務導向型對話系統(tǒng) 210 13.3.3　通用對話系統(tǒng) 215 13.3.4　評價方法 217 本章小結 218 本章習題 218 參考文獻 219