本书旨在帮助读者全面理解知识图谱的基本原理和概念。通过清晰的解释和实例，读者将深入了解知识图谱的构建、表示、推理等关键知识点。此外，本书通过提供代码实战，引导读者亲自动手构建知识图谱，并应用各种技术和工具进行实践。这种实践性的讲解方法可帮助读者更深入地理解知识图谱的实际应用。本书的目标是帮助读者全面理解知识图谱的基本原理和概念，并通过代码实战构建知识图谱。同时，本书也提供了关于大语言模型与知识图谱相结合的内容，让读者进一步探索这两个领域的交叉点。
本书内容对于人工智能基础研究有一定的参考意义，既适合专业人士了解知识图谱、深度学习和人工智能的前沿热点，也适合对人工智能感兴趣的读者阅读，同时本书也可作为相关开发人员的自学用书和参考手册。

刘威
在知识图谱、大数据开发、后端开发等领域有着丰富的经验，先后从事爬虫、大数据、知识图谱开发相关的工作。现就职于北京某科研实验室，曾在人民日报媒体技术股份有限公司从事爬虫、大数据、知识图谱开发等工作。

第一篇 基础篇
第1章 知识图谱概述
1.1 知识图谱的概念
1.2 知识图谱的发展
1.2.1 知识图谱与人工智能
1.2.2 专家系统
1.2.3 语义网
1.2.4 知识图谱的发展
1.3 知识图谱的应用与现状
1.3.1 知识图谱分类
1.3.2 通用知识图谱
1.3.3 领域知识图谱
1.4 参考文献
第2章 知识图谱构建技术
2.1 知识表示与知识建模
2.1.1 知识表示
2.1.2 知识建模
2.2 知识抽取
2.2.1 实体抽取
2.2.2 关系抽取
2.2.3 事件抽取
2.3 知识存储
2.3.1 基于表结构的关系型数据库
2.3.2 RDF存储系统
2.3.3 原生图数据库
2.4 知识融合
2.4.1 知识融合的概念
2.4.2 知识融合的异构
2.4.3 本体匹配
2.4.4 实体对齐
2.5 知识推理
2.6 参考文献
第3章 知识图谱的应用
3.1 知识库问答
3.1.1 知识库问答的构建方法
3.1.2 基于知识图谱的问答系统应用
3.2 基于图谱的推荐系统
3.2.1 推荐系统
3.2.2 基于知识图谱的推荐系统
3.2.3 推荐系统的应用
3.3 参考文献
第4章 数据采集与数据处理
4.1 数据采集
4.1.1 网络爬虫概述
4.1.2 网页爬虫采集
4.1.3 App爬虫采集
4.1.4 反爬虫
4.1.5 Scrapy框架
4.2 数据处理
4.2.1 结构化数据
4.2.2 半结构化数据
4.2.3 非结构化数据
第二篇 代码实践篇
第5章 知识抽取
5.1 实体抽取
5.1.1 实体抽取模型
5.1.2 实体抽取示例
5.2 关系抽取
5.2.1 关系抽取模型
5.2.2 关系抽取示例
5.3 事件抽取
5.3.1 事件抽取模型
5.3.2 事件抽取示例
5.4 参考文献
第6章 知识存储
6.1 知识存储工具
6.1.1 Neo4j
6.1.2 Virtuoso
6.1.3 SPARQL
6.2 知识存储案例
6.2.1 Neo4j存储
6.2.2 Virtuoso存储
第7章 知识图谱构建
7.1 图谱数据
7.1.1 数据采集
7.1.2 图谱构建
7.1.3 服务器端数据接口
7.2 知识图谱可视化
7.2.1 前端项目
7.2.2 图谱可视化
第8章 知识图谱与大语言模型
8.1 大语言模型
8.1.1 大语言模型概述
8.1.2 ChatGPT
8.1.3 GLM系列轻量级大语言模型
8.2 大语言模型与知识图谱的融合
8.2.1 统一大语言模型与知识图谱
8.2.2 大语言模型与知识图谱前景