大数据时代的到来，为人工智能的飞速发展带来前所未有的数据红利。在大数据的“喂养”下，大量知识不断涌现，如何有效地发掘这些知识呢？知识图谱横空出世。本书是一本讲解如何使用TensorFlow 2构建知识图谱的入门教程，引导读者掌握基于深度学习的知识图谱构建概念、理论和方法。 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（word embedding）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。 本书内容详尽、示例丰富，适合作为知识图谱和深度学习读者的参考书，同时也适合开设人工智能专业的大中专院校师生阅读，还可作为高等院校计算机及相关专业教材使用。

王晓华，计算机专业讲师，长期讲授面向对象程序设计、数据结构、Hadoop程序设计等研究生和本科生相关课程；主要研究方向为云计算、数据挖掘。曾主持和参与多项国家和省级科研课题，独立科研项目获省级成果认定，发表过多篇论文，拥有一项国家专利。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 2.0卷积神经网络实战》《TensorFlow+Keras自然语言处理实战》等图书。

前 言 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。另外，通过知识图谱能够将Web上的信息、数据以及链接关系聚集为知识，使信息资源更易于计算、理解以及评价，并且形成一套Web语义知识库。知识图谱以其强大的语义处理能力与开放互联能力可为互联网上的知识互联奠定扎实的基础，使Web 3.0提出的“知识之网”愿景成为可能。 随着深度学习在各个领域中获得的成功应用，科研人员尝试着使用深度学习去解决知识图谱构建的问题，因为这两个领域的相关特征信息都是相对低层次的，可以借助深度学习的强大学习能力学习其中的复杂信息，目前来看这个尝试是成功的，应用深度学习技术可以简单有效地构建知识图谱。 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。 同时，本书并不是一个简单的实战案例书，而是在讲解和演示实例代码的过程中，对TensorFlow 2核心内容进行深入分析，重要内容均结合代码进行实战讲解，围绕深度学习基本原理介绍了大量实战案例。读者通过这些实例，可以深入地掌握深度学习和TensorFlow 2的相关内容，并能掌握使用深度学习构建知识图谱的技能。 本书是一本面向初级和中级读者的优秀教程。通过本书的学习，读者能够掌握使用深度学习进行知识图谱构建的方...