近年来，大规模KG库的研究和应用在学术界和工业界已经引起了广泛的重视。《知识图谱及应用案例》系统介绍KG的基本概念和关键技术，包括知识建模、关系抽取、存储、自动推理、表示学习、语义搜索、知识问答、挖掘分析等内容，以可视化形式描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及其之间的相互联系，尝试将学术前沿和实践结合，让读者在掌握实际应用能力的同时对前沿技术发展有所了解。
　　《知识图谱及应用案例》既适合计算机和人工智能相关的研究人员阅读，也适合在企业一线从事技术和应用开发的人员学习，还可作为高等院校计算机或人工智能专业师生的参考资料。

前言
第1章 基础知识
1．1 大数据
1．2 知识图谱

第2章 知识抽取与存储
2．1 概述
2．2 实体抽取
2．3 关系抽取
2．4 事件抽取
2．5 知识抽取
2．6 知识存储
2．7 开放知识库和KG

第3章 知识表示、推理和融合
3．1 知识表示
3．2 知识建模
3．3 知识推理
3．4 知识融合
3．5 知识表示学习
3．6 知识体系

第4章 KG技术架构
4．1 KG构建
4．2 KG构建方法
4．3 基于深度学习的KG构建方法
4．4 医疗KG构建和应用简单介绍
4．5 KG的应用
4．6 KG资源

第5章 基于KG的搜索、问答和推荐系统
5．1 概述
5．2 语义搜索
5．3 推荐系统
5．4 知识问答

第6章 KG应用
6．1 图数据库
6．2 Neo4j创建KG
6．3 开源KG框架SmartKG
参考文献