（1）每章对多个相关研究方向的发展进程进行系统的、多维度的梳理。（2）注重介绍传统知识工程的思想和理论，以及机器学习和深度学习在知识表示与推理各个环节中应用的技术和方法。（3）学习本书，读者除了能够了解知识表示与推理的发展脉络，还能激发研究兴趣，思考核心问题，领悟发展方向（4）本书在重点章节配有教学视频二维码资源，读者扫描二维码，即可在线观看。

本书聚焦于知识表示与推理，围绕经典知识表示、知识图谱、知识体系构建和知识融合、实体识别和扩展、实体消歧、关系抽取、事件抽取、知识存储和检索、经典知识推理、确定性推理与不确定性推理、数值推理、知识问答与对话等展开介绍。每章对多个相关研究方向的发展进程进行系统的、多维度的梳理，注重介绍传统知识工程的思想和理论，以及机器学习和深度学习在知识表示与推理各个环节中应用的技术和方法，从而使读者能够了解知识表示与推理的发展脉络，激发研究兴趣，思考核心问题，领悟发展方向。本书既可作为高等院校人工智能、数据科学与大数据技术等专业本科生的必修课教材，也可作为计算机科学与技术、电子信息等专业硕士研究生的选修课教材，还可作为人工智能、数据科学等相关领域从业者的参考用书。

李玉洁李玉洁，博士，副教授，副院长，硕士研究生导师，桂林电子科技大学，广西高校人工智能算法工程重点实验室主任，主要研究方向为人工智能、机器学习等。近五年内，累积发表论文40余篇。2019年入选广西高校海外高层次人才;百人计划。2021年获得华为智能基座;栋梁之师。

第1章　概述 11.1　知识表示的概念 21.2　知识表示与推理的发展历史 51.3　本书的内容安排 7本章习题 8第2章　经典知识表示 92.1　概念表示 92.1.1　数理逻辑 102.1.2　集合论 122.1.3　概念的现代表示 132.2　产生式表示法 142.2.1　产生式 142.2.2　产生式系统 152.3　框架表示法 172.4　脚本表示法 202.5　状态空间表示法 212.6　语义网表示法 232.6.1　语义网络 232.6.2　语义网知识描述体系 252.7　数值化表示 312.7.1　符号的数值化表示 312.7.2　文本的数值化表示 32本章小结 32本章习题 33第3章　知识图谱 343.1　知识图谱的概念 343.2　知识图谱类型 363.3　知识图谱生命周期 423.3.1　知识体系构建 423.3.2　知识获取 433.3.3　知识融合 463.3.4　知识存储 473.3.5　知识推理 473.3.6　知识应用 483.4　知识图谱中的知识表示方法 503.4.1　表示框架 503.4.2　Freebase 523.4.3　知识图谱的数值化表示 533.5　知识图谱与深度学习 54本章小结 57本章习题 57第4章　知识体系构建和知识融合 584.1　知识体系构建 584.1.1　人工构建方法 594.1.2　自动构建方法 624.1.3　典型知识体系 644.2　知识融合 664.2.1　框架匹配 664.2.2　实体对齐 684.2.3　冲突检测与消解 694.2.4　典型知识融合系统 70本章小结 72本章习题 72第5章　实体识别和扩展 735.1　实体识别 735.1.1　任务概述 735.1.2　基于规则的实体识别方法 765.1.3　基于机器学习的实体识别基于特征的方法 775.1.4　基于机器学习的实体识别基于神经网络的方法 835.2　细粒度实体识别 845.2.1　任务概述 845.2.2　细粒度实体类别的制定 855.2.3　细粒度实体识别方法 865.3　实体扩展 865.3.1　任务概述 865.3.2　实体扩展方法 87本章小结 91本章习题 91第6章　实体消歧 926.1　任务概述 926.1.1　任务定义 926.1.2　任务分类 936.1.3　相关评测 946.2　基于聚类的实体消歧方法 976.2.1　基于表层特征的实体指称项相似度计算 976.2.2　基于扩展特征的实体指称项相似度计算 986.2.3　基于社会化网络的实体指称项相似度计算 986.3　基于实体链接的实体消歧方法 1006.3.1　链接候选过滤方法 1006.3.2　实体链接方法 1016.4　面向结构化文本的实体消歧方法 104本章小结 105本章习题 105第7章　关系抽取 1067.1　任务概述 1067.1.1　任务定义 1067.1.2　任务分类 1077.1.3　任务难点 1087.1.4　相关评测 1087.2　限定域关系抽取 1097.2.1　基于模板的关系抽取方法 1107.2.2　基于机器学习的关系抽取方法 1117.3　开放域关系抽取 120本章小结 122本章习题 122 第8章　事件抽取 1238.1　概述 1238.2　限定域事件抽取 1308.2.1　基于模式匹配的事件抽取方法 1308.2.2　基于机器学习的事件抽取方法 1328.3　开放域事件抽取 1368.3.1　基于内容特征的事件抽取方法 1378.3.2　基于异常检测的事件抽取方法 1388.4　事件关系抽取 1388.4.1　事件共指关系抽取 1398.4.2　事件因果关系抽取 1398.4.3　子事件关系抽取 1408.4.4　事件时序关系抽取 140本章小结 141本章习题 141第9章　知识存储和检索 1429.1　知识图谱的存储 1439.1.1　基于表结构的存储 1439.1.2　基于图结构的存储 1489.2　知识检索 1509.2.1　常见形式化查询语言 1509.2.2　图检索技术 160本章小结 163本章习题 163第10章　经典知识推理 16410.1　典型推理任务 16410.1.1　知识补全 16410.1.2　知识问答 16510.2　知识推理分类 16610.2.1　归纳推理 16610.2.2　演绎推理 16710.3　知识推理方法 16810.3.1　归纳推理：学习推理规则 16810.3.2　演绎推理：推理具体事实 16910.4常识知识推理 171本章小结 173本章习题 173第11章　确定性推理与不确定性推理 17411.1　确定性推理 17411.2　不确定性推理 17511.2.1　概述 17511.2.2　基于概率论的推理方法 17911.2.3　模糊推理 180本章小结 182本章习题 182第12章　数值推理 18312.1　基于数值计算的推理 18312.1.1　基于张量分解的方法 18312.1.2　基于能量函数的方法 18512.2　符号演算和数值计算的融合推理 189本章小结 191本章习题 192第13章　知识问答与对话 19313.1　概述 19413.2　知识问答 19513.2.1　基于语义解析的方法 19713.2.2　基于搜索排序方法 20313.2.3　常用评测数据及各方法性能比较 20813.3　知识对话 20913.3.1　知识对话技术概述 20913.3.2　任务导向型对话系统 21013.3.3　通用对话系统 21513.3.4　评价方法 217本章小结 218本章习题 218参考文献 219

党的二十大报告指出要构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。新一代信息技术与各产业结合形成数字化生产力和数字经济，是现代化经济体系发展的重要方向。大数据、云计算、人工智能等新一代数字技术是当代创新最活跃、应用最广泛、带动力最强的科技领域之一，给产业发展、日常生活、社会治理等带来深刻影响。知识表示与推理是新一代信息技术的主要研究方向之一。知识表示与推理受到人类问题求解的启发，将知识表示为智能系统，以获得解决复杂任务的能力。知识表示方法是面向计算机的知识描述或表达形式和方法，是一种数据结构与控制结构的统一体，既考虑知识的存储又考虑知识的使用。知识推理一般运用于知识发现、冲突与异常检测，是知识精细化工作和决策分析的主要实现方式。目前的知识推理已经广泛应用在各行各业，如企业投资风险研究、信贷风控、智能投顾、农作物价格预测和动态属性生成等。本书是编者自2019年以来，结合广西壮族自治区科技项目，从事;知识表示与推理的课程教学和研究积累撰写而成的。为了便于读者深入理解和快速掌握知识工程领域的主流趋势和新技术，结合近年来我国知识工程迅速发展的形势，根据编者及所在课题组多年来的教学经验和国内外科研经历的积累，编写了本书。本书聚焦于知识表示与推理，围绕经典知识表示、知识图谱、知识体系构建和知识融合、实体识别和扩展、实体消歧、关系抽取、事件抽取、知识存储和检索、经典知识推理、确定性推理与不确定性推理、数值推理、知识问答与对话等展开介绍。每章对多个相关研究方向的发展进程进行系统的、多维度的梳理，注重介绍传统知识工程的思想和理论，以及机器学习和深度学习在知识表示与推理各个环节中应用的技术和方法，从而使读者能够了解知识表示与推理的发展脉络，激发研究兴趣，思考核心问题，领悟发展方向。本书在相关章节配有教学视频二维码资源，读者扫描二维码，即可在线观看。本书由桂林电子科技大学李玉洁编写第1章到第4章，谭本英编写第5章到第8章，丁数学和覃阳编写第9章和第10章，郑州轻工业大学刘岩编写第11章到第13章。在编写的过程中，桂林电子科技大学的陈光喜、刘振丙、石奎提出了很多宝贵意见和建议，对提高本书的质量给予了很大帮助，在此一并表示感谢！由于本书涉及内容广泛，笔者水平有限，书中不妥和疏漏之处在所难免，欢迎广大读者批评指正。