前言

知識圖譜，是近年來最火熱的研究方向之一，被認為是實現認知智能的核心基礎技術。知識圖譜以圖的形式表現客觀世界中的實體、概念及其之間的關系，致力于解決認知智能中的復雜推理問題。

隨著大數據時代的紅利逐漸消失，以深度學習為基礎的感知智能逐步觸碰到天花板，理論突破也越來越難。而在認知智能的前進道路上，基于統計概率的深度學習模型仍然無法真正實現和人類相同的推理和理解能力。

充分有效地利用人類社會中海量的知識是可行的解決路徑之一。而知識圖譜將人類知識表示為圖的形式，可以讓機器更好地利用知識，實現一定程度的“智能化”。然而，雖然知識圖譜被寄予厚望，可以實現人工智能從感知到認知的跨越，但通用知識圖譜的建立和完善是一個漫長的過程。在現階段，知識圖譜還是大量應用在簡單場景和垂直場景上，例如搜索引擎、智能問答、語義理解、決策分析、智慧物聯等。

構建知識圖譜是一個系統工程，涉及知識的表示、獲取、存儲、應用以及自然語言處理等各項技術，如何全面掌握知識圖譜的構建，成為很多同學和從業者最為關注的問題。縱觀目前市場上的知識圖譜書籍，我們發現，大多數的書都是以理論介紹為主，雖然內容充分翔實，但缺乏應用性的梳理和闡述。

寫這本書的初衷，就是希望將我們在實踐中構建知識圖譜的經驗，包括踩坑的教訓，以文字的形式做出總結，同時分享給各位奮戰在一線的知識圖譜從業人員。書中不僅對知識圖譜的概念和理論做了詳細介紹，同時用開源代碼的形式闡述了落地細節。書中代碼資源下載地址為https://github.com/zhangkai-ai/build-kg-from-scratch。

本書一共分為8章。第1章給出了知識圖譜的概覽，第2章圍繞知識圖譜的整體技術體系，詳細闡述了知識的表示與建模、抽取與挖掘、存儲與融合，以及檢索與推理。第3章以具體的實例介紹了各種知識圖譜工具的使用。第4章和第5章從實戰的角度帶領讀者從零到一構建通用知識圖譜和領域知識圖譜，并配以詳細的代碼解讀。第6章給出了知識圖譜的具體應用。第7章也是從實戰的角度對知識圖譜的問答系統做了詳盡闡述。最后第8章給出了知識圖譜的總結和展望。

知識圖譜領域仍然有很多問題需要解決，需要各位同人一起努力。希望本書能夠為讀者解決問題提供些許幫助。

由于種種原因，本書成稿過程頗有波折。我們要特別感謝編輯楊福川和李藝，他們對本書出版提供了大力支持。