知识图谱的自然语言查询和关键词查询是知识问答中较有前景的两种知识图谱查询方式。知识图谱是一种结构化的语义知识库，以图的方式展现“实体”、实体的“属性”，以及实体与实体之间的“关系”。知识图谱的自然语言查询和关键词查询，使搜索引擎不仅能返回与查询相关的网页，而且能返回智能化的答案。本书介绍知识图谱的自然语言查询和关键词查询，包括自然语言查询中的语义关系识别、自然语言聚集查询、SPARQL和关键词相结合的自然语言查询、关键词查询等。本书可供高等院校计算机、人工智能、大数据等相关专业研究生和高年级本科生参考阅读，也可供知识工程领域的技术人员参考阅读。

章绪论.1
1.1研究背景及意义1
1.2研究现状3
1.2.1知识图谱自然语言查询的研究现状3
1.2.2知识图谱关键词查询的研究现状4
1.3存在的关键问题5
1.4研究内容及创新点7
1.5本书组织结构10
第2章自然语言查询和关键词查询的相关研究12
2.1知识图谱的自然语言查询12
2.1.1语义关系识别12
2.1.2自然语言聚集查询13
2.1.3查询映射14
2.1.4多样化的自然语言查询15
2.2知识图谱的关键词查询16
2.2.1模式图16
2.2.2多样化的关键词查询17
2.3两种查询共用的基础技术19
2.3.1实体识别和实体链接19
2.3.2解释词典19
2.4众包——辅助语义关系识别规则挖掘20
2.5知识图谱的其他非结构化查询方式21
2.5.1交互式查询21
2.5.2实例查询和样例查询22
第3章基于众包的自然语言查询中语义关系识别规则挖掘23
3.1问题描述及创新点23
3.2众包模型24
3.2.1迭代模型和并行模型25
3.2.2迭代式并行模型和并行式迭代模型25
3.2.3带反馈的并行式迭代模型26
3.3生成语义关系数据集和依赖结构数据集27
3.3.1众包模型标记语义关系27
3.3.2StanfordParser生成依赖结构27
3.4挖掘语义关联规则28
3.4.1挖掘语义关联规则的算法28
3.4.2算法MSAR的复杂度30
3.5实验结果及分析——众包模型31
3.5.1实验数据及评估标准31
3.5.2迭代模型和并行模型32
3.5.3迭代式并行模型和并行式迭代模型33
3.5.4带反馈的并行式迭代模型35
3.6实验结果及分析——语义关联规则36
3.7语义关系识别38
3.7.1语义关系识别的算法38
3.7.2算法SRR的复杂度39
3.7.3实验结果及分析语义关系识别39
3.8本章小结40
第4章知识图谱的自然语言聚集查询42
4.1问题描述及创新点42
4.2查询流程45
4.3查询理解45
4.3.1意图解释45
4.3.2依赖结构分类46
4.3.3从依赖结构中识别意图解释47
4.3.4查询理解的优化49
4.3.5算法AIII的复杂度49
4.4构建基本图模式50
4.4.1扩展的解释词典ED50
4.4.2短语映射51
4.4.3谓词-类型邻近集PT51
4.4.4谓词-谓词邻近集PP53
4.4.5语义关系映射53
4.4.6算法SRM的复杂度55
4.4.7构建基本图模式BGP56
4.4.8算法BBGP的复杂度57
4.5将基本图模式翻译为SPARQL语句58
4.5.1数值型谓词58
4.5.2翻译基本图模式59
4.5.3翻译聚集59
4.5.4算法TA的复杂度61
4.6实验结果及分析61
4.6.1实验数据集61
4.6.2各阶段的优化能力61
4.6.3算法的有效性63
4.6.4与现有算法对比65
4.6.5回答错误的原因66
4.7相关问题及解决方案67
4.8本章小结69
第5章知识图谱的自然语言查询——SPARQL和关键词70
5.1问题描述及创新点70
5.2查询流程71
5.3SPARQL语句的生成过程72
5.4查询分解73
5.4.1查询理解阶段73
5.4.2查询映射阶段74
5.4.3执行SPARQL阶段74
5.4.4查询分解算法75
5.4.5算法DQ的复杂度76
5.5构建关键词索引77
5.5.1算法QUKI77
5.5.2算法QUKI的复杂度78
5.6聚合SPARQL结果子图和关键词查询78
5.6.1算法CSK78
5.6.2算法CSK的复杂度80
5.7实验结果及分析81
5.7.1算法的有效性81
5.7.2回答正确的原因83
5.7.3回答错误的原因84
5.7.4以SPARQL查询为主导的优势85
5.7.5关键词索引的效率85
5.8本章小结86
第6章知识图谱的关键词聚集查询88
6.1问题描述及创新点88
6.2查询流程90
6.3构建类型-谓词图90
6.3.1关系提取90
6.3.2关系标准化91
6.3.3类型-谓词图92
6.4查询理解92
6.5基于类型-谓词图构建查询图94
6.5.1查询图94
6.5.2构建查询图94
6.5.3算法BQG的复杂度99
6.6将查询图翻译为SPARQL语句99
6.6.1数值型谓词99
6.6.2翻译一般路径99
6.6.3翻译聚集100
6.6.4算法TQGS的复杂度102
6.7实验结果及分析102
6.7.1算法的有效性102
6.7.2输入的可扩展性104
6.7.3数据集的可扩展性106
6.7.4组件的有效性106
6.8本章小结108
第7章总结与展望109
7.1总结109
7.2展望111
参考文献112