机器心脏报告
编辑:蛋酱
2020年，人工智能技术将进入更广阔的落地期，你一定需要这本简单的“知识图谱”书。
知识地图以结构化的形式描述客观世界中的概念、实体及其关系，将信息时代的各种信息表达成更接近人类认知世界的形式，提供了更好的组织、管理和理解能力。知识图谱为互联网上的语义搜索带来了新的驱动力，在自然语言处理的各种应用中也显示出巨大的威力。它已经成为互联网知识驱动的智能应用的基础设施。知识图谱、大数据和深度学习已经成为信息时代人工智能发展的核心驱动力之一。
知识地图技术是指知识地图建立和应用的技术，是集机器学习、认知计算、知识表示和推理、信息检索和提取、自然语言处理、语义网和数据挖掘等多学科交叉的研究。知识地图技术的核心内容包括知识提取与构建、知识表示、知识推理、知识存储与查询、知识地图应用等。
知识图谱技术作为人工智能领域的重要方向之一，已经广泛应用于医疗、教育、金融、证券投资、推荐等多个领域，并正在发挥重要作用。
在新出版的《人工智能:知识图谱的前沿技术》一书中，清华大学计算机系教授朱晓燕等作者从知识和知识图谱的基本概念和模型入手，重点研究了现代知识图谱相关技术的发展，特别是大规模数据、人工神经网络，以及深度学习背景下知识表示、知识图谱构建、知识推理和知识应用的前沿算法和模型。
章节介绍
这本书的内容通俗易懂，针对性强，时效性强。可以帮助读者在了解知识地图基本概念的基础上，近距离接触知识地图领域的最新研究成果，可以作为相关领域的学生和研究者很好的参考和辅助。
以下是主要章节:
第一章导言
介绍了知识和知识地图的定义，描述了知识地图的发展历史和基本技术路线，并对知识地图的主要研究内容进行了概述。
第二章传统知识的表示和建模
知识只有以合理的形式表达出来，才能被人和机器理解，才能满足认知智能研究基础的需要。本章从知识表示的基本概念出发，介绍了历史上一些传统的知识表示方法。这些知识表示方法在人工智能发展史上发挥了重要作用，也深刻影响了知识地图的发展。
第三章:现代文本表征学习
文本表征学习是知识表征学习的基础。尤其是在当前深度学习的背景下，通过基于神经网络的分布表示，将文本映射到一个低维的dense 空，有效地捕捉了文本内部各个层次的语义信息。本章介绍了文本表征学习的一些经典算法和模型。
第四章现代知识的表征和学习
知识表征学习是近年来发展迅速的一个研究分支。主要讨论如何借鉴机器学习的新理论、新方法，实现知识图谱的构建，通过学习方法完成知识表示。本章讨论了现代知识图谱表示学习的三个流派:几何嵌入法、神经网络法和文本表示法。有效的知识表示在知识构建和知识推理中起着非常重要的作用。
第五章知识地图的构建
知识地图的构建是知识地图研究的核心问题之一。尤其是在现代，在互联网和移动互联网的环境下，如何从海量的网络信息中获取知识是一个非常重要的研究课题。现代知识图谱的构建研究如何从结构化、半结构化、结构化的海量数据中提取知识，形成合理的知识图谱。本章主要介绍了知识地图构建的三个重要任务:命名实体识别、命名实体链接和命名实体关系抽取，特别强调了基于深度学习方法的相关任务。
第六章知识推理
知识推理是知识在人工智能中地位的主要表现，也是知识应用的灵魂和桥梁。知识推理旨在现有知识图谱的基础上，进一步挖掘隐藏的知识和规则。本章简要介绍了知识推理的一般概念，并详细阐述了当前流行的知识地图推理方法。
第七章知识地图的应用
知识地图是人类对世界知识的数字化、系统化和结构化的体现。知识图谱可以辅助机器进行语义理解和语言生成，从而在各种自然语言系统的应用中发挥重要作用。本章主要介绍知识地图在知识库问答、语言生成和情感挖掘中的应用及典型案例。
第八章知识地图资源
知识地图的构建是一个庞大的系统工程，知识地图的发展很大程度上依赖于知识地图资源的支持。经过多年的发展，国内外已经有很多开放的知识图谱资源。本章介绍了一些流行的知识图谱，供读者参考。
作者简介
朱晓燕，清华大学计算机系教授，智能技术与系统国家重点实验室主任，清华大学计算机系原副主任。位列“人工智能全球女性榜”和“2019中国人工智能百人榜”。从事人工智能领域相关工作30余年。主要研究领域为智能信息处理，包括人工神经网络、机器学习、自然语言处理、智能信息抽取、智能问答系统等。获得国家发明专利十余项，在国际期刊和会议上发表论文100余篇。近年来，研究工作主要集中在新一代智能信息获取、人机对话和交互方面，所研究的原型系统已在多家知名企业中使用。
