本书首先阐述自然语言理解的发展脉络和分析逻辑，主要围绕语言符号、处理体系、语义理解等进行探讨，引出自然语言理解的自动分析原理和方法，包括自然语言特征、统计学习、机器学习、深度学习、知识图谱等。在讲解上述基本自然语言处理方法的基础上，继续阐述行业知识图谱搭建和行业应用的方法，基于作者团队几年来在自然语言处理和行业知识图谱方向的实践经验，探讨垂直行业认知的逻辑和解决方案。本书为互联网企业构建文本智能平台提供了很好的案例参考，也为行业信息化从业者提供了从入门到进阶的技术指导，同时适合作为自然语言处理、知识图谱、计算机、人工智能等领域从业者的学习指导书。

王楠，北京大学博士，“创青春-中关村U30”2020年度优胜者，先后任教于中国科学院、北京信息科技大学计算机学院。研究方向包括人工智能算法、知识图谱、自然语言处理与地球电磁学等。主持或参与国家科技重大专项、高分专项、军口预研、卫星系统、企业大数据系统等科研项目，累计获得研发经费超过千万元人民币。负责企业级“专利大数据智能分析系统”的研发，领导技术团队完成软件平台搭建、商用和优化。以第一作者身份发表行业内高水平论文十余篇，获得多项发明和实用新型专利，提交专利申请十余项。

推荐序一
推荐序二
前言
符号表
第1章 自然语言之“理解”
1.1 基本脉络
1.1.1 文字传承
1.1.2 机器处理
1.1.3 理解困境
1.2 商业曙光
1.3 认知落脚点
1.3.1 文本分析之锚
1.3.2 走向智能之路
1.3.3 第一步在何方
1.4 思辨未来
1.4.1 语言理解与语义知识的辨析
1.4.2 行业知识图谱构建问题
小结
参考文献
第2章 自然语言理解逻辑
2.1 符号-连接-融合
2.2 语言理解任务
2.2.1 语法类任务
2.2.2 语义类任务
2.2.3 语用类任务
2.3 语言理解体系
小结
参考文献
第3章 自然语言处理
3.1 自然语言文本特征
3.1.1 通用语言文本特征
3.1.2 行业语言文本特征
3.1.3 语言文本特征表示
3.1.4 语言特征选择
3.2 自然语言统计学习
3.2.1 统计学习基础
3.2.2 语言语料库
3.2.3 语料采样
3.2.4 语言模型
3.3 自然语言机器学习
3.3.1 文本分类方法
3.3.2 文本标注方法
3.3.3 文本聚类方法
3.3.4 文本生成方法
3.3.5 文本匹配方法
3.3.6 图计算方法
3.4 自然语言深度学习
3.4.1 神经网络学习
3.4.2 神经网络结构
3.4.3 深度表示学习
3.4.4 预训练语言模型
3.4.5 前沿与思考
小结
参考文献
第4章 知识图谱
4.1 语言知识与语言知识库
4.2 知识图谱演进
4.3 知识图谱工程
4.3.1 知识表示
4.3.2 知识加工
4.3.3 知识建模与计算
4.3.4 知识存储与查询
4.3.5 知识更新
4.4 知识图谱智能
4.4.1 语义匹配
4.4.2 搜索推荐
4.4.3 问答对话
4.4.4 推理决策
4.4.5 区块链协作
4.5 通用知识图谱
4.5.1 百科知识图谱
4.5.2 常识知识图谱
4.5.3 中文类知识图谱
4.6 行业知识图谱
4.6.1 金融知识图谱
4.6.2 医疗知识图谱
4.6.3 教育知识图谱
4.6.4 公安知识图谱
4.6.5 司法知识图谱
4.6.6 电商生活知识图谱
4.6.7 图书文献知识图谱
4.6.8 房地产知识图谱
小结
第5章 行业知识工程实践
5.1 行业知识库
5.1.1 行业语料库
5.1.2 行业术语知识库
5.1.3 行业文本规则库
5.1.4 行业特征字段库
5.1.5 行业本体库
5.1.6 行业附图库
5.1.7 行业产品库
5.1.8 行业标准库
5.1.9 应用知识库
5.2 行业模型算法库
5.2.1 文本匹配
5.2.2 文本分类
5.2.3 文本标注
5.2.4 文本生成
5.2.5 关联图计算
5.2.6 价值评估
5.3 标注、训练和更新
5.3.1 标注工具
5.3.2 训练框架
5.3.3 知识更新
小结
第6章 行业知识图谱模块
6.1 关键词助手
6.1.1 术语图谱
6.1.2 产品图谱
6.2 搜索问答
6.2.1 语义搜索
6.2.2 功能搜索
6.2.3 事实型问答
6.3 推理计算
小结
第7章 行业智能应用平台
7.1 平台架构初探
7.1.1 硬件拓扑架构
7.1.2 平台系统架构
7.1.3 功能服务架构
7.2 平台认知功能组件
7.2.1 文本检索
7.2.2 文本分析
7.2.3 文本挖掘
7.2.4 监控预警
7.2.5 价值运营
7.2.6 信息流管理
7.3 权限与安全管理
7.3.1 架构与流程
7.3.2 平台用户管理
7.3.3 安全管理
小结
第8章 行业文本智能应用
8.1 高价值文本发现
8.1.1 高价值文本定义
8.1.2 高价值文本评价
8.1.3 价值发现与价值运营
8.2 成果分级分类管理
8.2.1 成果分级
8.2.2 成果分类
8.3 新兴方向预测
8.4 技术背景调查
小结
附录A 概率论基础
附录B 信息论基础