《基于Tensorflow的知识图谱实战》 --- 实战文本分类与命名实体识别，快速构建知识图谱（王晓华 著）

⚽开发平台：jupyter lab

🎈运行环境：python3、TensorFlow2.x

知识图谱（Knowledge Graph）的概念由谷歌首先提出，旨在实现更智能的搜索引擎。目前，随着智能信息服务应用的不断发展，知识图谱已被广泛应用于智能搜索、智能问答、个性化推荐、情报分析、反欺诈等领域。

本书选用TensorFlow 2作为深度学习的框架，从基础语法开始到使用TensorFlow 2进行深度学习知识图谱的构建和实战代码的编写，全面介绍使用TensorFlow 2进行知识图谱构建的核心技术和涉及的相关知识，内容翔实。

本书内容:
本书分为13章：

• 第1章从搭建环境开始，包含TensorFlow CPU 版本和GPU版本的安装，并通过一个知识图谱的例子引导读者开始学习；
• 第2~4章介绍TensorFlow API的使用；
• 第5章是Dataset API，学习使用原生API处理数据的方法；
• 第6~8章是实战准备部分，介绍ResNet模型、词嵌入模型、情感分类；
• 第9 ~10章在“注意力模型”基础上搭建了“编码器模型”；
• 第11~13章搭建了知识图谱联合抽取模型，利用本书所学知识实战知识图谱的搭建过程和性能提升方案。

本书作者:
王晓华，计算机专业讲师，研究方向为云计算、大数据与人工智能。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow知识图谱实战》《TensorFlow人脸识别实战》《TensorFlow语音识别实战》《TensorFlow 2.0卷积神经网络实战》《Keras实战：基于TensorFlow2.2的深度学习实践》《TensorFlow深度学习从零开始学》《深度学习的数学原理与实现》等图书。

本书目录：
第2章 tensorflow和keras快速入门 | iris数据集测试
第2章 tensorflow和keras快速入门 | iris数据集（自定义全连接层）
第2章 tensorflow和keras快速入门 | 使用ResNet作为特征提取层建立模型

第3章 深度学习的理论基础 — BP反馈神经网络反向传播算法

第4章 卷积神经网络实战 | MNIST手写识别体
第4章 卷积神经网络实战 | 利用自定义的卷积层实现MNIST识别

第6章 ResNet实现神经网络的飞跃 | CIFAR-10、CIFAR-100数据集解析及可视化
第6章 ResNet实现神经网络的飞跃 | 使用ResNet对CIFAR数据集进行分类

第7章 有趣的词嵌入–word embedding（一）| 文本数据处理
第7章 有趣的词嵌入–word embedding（二）| 更多的word embedding方法—fastText和预训练词向量