无

第1章　知识工程 001
1.1　知识工程与历史沿革 002
1.1.1　知识工程是什么 002
1.1.2　知识就是力量 003
1.1.3　知识工程的历程 008
1.2　知识表示与推理 013
1.2.1　知识表示 013
1.2.2　推理 018
1.3　专家系统与知识图谱 022
1.3.1　专家系统 022
1.3.2　知识图谱 026

第2章　知识工程的逻辑基础 032
2.1　命题与量词 033
2.2　逻辑联结词 036
2.2.1　“与”“或”“非”运算 036
2.2.2　逻辑联结词的复合运算 038
2.3　充分必要条件 044

第3章　知识工程的推理基础 054
3.1　演绎推理与合情推理 055
3.1.1　演绎推理 055
3.1.2　合情推理 058
3.2　计算机实现推理的过程 063
3.2.1　计算机实现演绎推理 064
3.2.2　计算机实现合情推理 072

第4章　专家系统 075
4.1　初识专家系统 076
4.1.1　什么是专家系统 076
4.1.2　专家系统的应用 078
4.1.3　专家系统的优势与不足 079
4.2　专家系统的机理 080
4.2.1　专家系统的构成 080
4.2.2　专家系统的分类 081
4.2.3　专家系统的推理 083
4.3　专家系统Python实例 087

第5章　知识图谱 092
5.1　本体知识与知识图谱 093
5.1.1　什么是本体知识 093
5.1.2　本体的构成 094
5.1.3　知识图谱与三元组 096
5.2　知识图谱的实现路径 098
5.2.1　知识图谱的构建 098
5.2.2　知识图谱的存储、查询与推理 101
5.2.3　知识图谱的应用 102
5.3　知识图谱的Python实例 104

第6章　Neo4j入门 109
6.1　Neo4j环境准备 112
6.1.1　创建数据库 112
6.1.2　运行数据库 113
6.2　常用语句格式 114
6.2.1　数据的创建 114
6.2.2　数据的修改 116
6.2.3　数据的删除 118
6.2.4　数据的查询 120
6.3　Neo4j的经典解决方案 128
6.3.1　金融风控应用：欺诈监测 129
6.3.2　社交网络应用：推荐系统 129
6.3.3　知识图谱应用：三国人物 132

第7章　Neo4j的实践案例 136
7.1　案例一：唐代人物社交网络 137
7.1.1　案例背景 137
7.1.2　创建 138
7.1.3　查询 144
7.1.4　批量导入数据 146
7.2　案例二：《家有儿女》人物关系图谱 152
7.2.1　案例背景 152
7.2.2　创建 154
7.2.3　查询 160
7.3　案例三：银行欺诈监测图谱 163
7.3.1　案例背景 163
7.3.2　创建 165
7.3.3　查询 168

附录 170
附录A　图数据库的发展脉络 171
附录B　花卉知识图谱 181
附录C　腾讯扣叮Python实验室：Jupyter Lab 使用说明 190