序

21世纪以来，随着深度学习的广泛应用和计算机算力的提升，人工智能（AI）进入了大数据时代。如何把大数据结构化、语义化，进而构建大规模的知识图谱成为AI发展及其大规模应用的重要环节。同时，近十年来，随着行业数字化和产业互联网的发展，蕴含深度行业知识的行业知识图谱的构建需求也越来越迫切。知识图谱已经成为人工智能的重要基石之一，同时也是行业数字化的重要组成部分。本书系统阐述知识图谱构建与应用的前沿理论与大规模实践，恰逢其时。

从技术角度出发，知识图谱主要涉及如何利用信息抽取、知识融合、知识建模等技术从大数据中挖掘和发现知识，如何利用知识推理技术学习并生产新的知识，如何利用知识表示与存储技术描述和组织知识，以及如何利用知识推理和查询技术使得知识能够服务上层的业务应用。从应用角度出发，知识图谱除了服务传统的搜索、对话等应用，更多地在业务智能决策、控制业务风险、优化业务效率等多方面得到了应用。

本书介绍了知识图谱的方法与实践，共7章，内容丰富。从理论深度上看，书中讨论了知识图谱的整体技术架构及各个模块的理论研究，即知识建模、知识获取、知识融合、知识推理，同时探讨了知识图谱的前沿技术话题。从工业实践上看，书中围绕着千亿级商品知识图谱这一真实工业实践案例，针对各个模块详细阐述了系统中的算法细节、工程系统实现方法及相关的业务应用。本书作者来自常年深耕知识图谱领域的学者和一线工业实践者，他们都参与了千亿级商品知识图谱的构建及大规模产业化应用。因此，本书具有很强的知识性和实用性。

本书可以作为计算机科学和人工智能专业学生和研究人员，以及大数据和人工智能从业者的参考书。在知识图谱实践类书籍不多的情况下，期待本书对知识图谱这一领域的更广泛应用带来一定的推动作用。

来未来科技（浙江）有限公司CEO