人工智能
类型
可以朗读
语音朗读
232千字
字数
2025-04-10
发行日期
展开全部
主编推荐语
全面解析知识增强大模型技术，实例丰富，循序渐进，快速构建应用。
内容简介
全书共分10章，全面介绍知识增强大模型涉及的各类技术，涵盖大模型、向量数据库、图数据库、知识图谱、检索增强生成、GraphRAG 等内容，并辅以丰富的实例、精心绘制的插图和深入浅出的技术解析，帮助读者快速掌握知识增强大模型的理论，引导读者逐步构建知识增强大模型应用。
目录
- 版权信息
- 内容简介
- 序
- 前言
- 第1章 绪论：迎接大模型纪元
- 1.1 大模型崛起
- 1.2 大模型的固有特性
- 1.3 知识增强大模型
- 1.4 迎接大模型纪元
- 第2章 大语言模型
- 2.1 大模型概述
- 2.2 语言模型简史
- 2.3 大模型为何如此强大
- 2.4 如何使用大模型
- 2.5 垂直大模型
- 2.6 思考题
- 2.7 本章小结
- 第3章 向量数据库
- 3.1 向量表示与嵌入
- 3.2 向量相似度
- 3.3 向量索引与检索方法
- 3.4 Milvus向量数据库
- 3.5 Milvus向量数据库实战指南
- 3.6 其他主流的向量数据库系统与工具
- 3.7 思考题
- 3.8 本章小结
- 第4章 检索增强生成
- 4.1 检索增强生成概述
- 4.2 为什么需要RAG
- 4.3 通用的RAG流程
- 4.4 使用Dify构建RAG系统
- 4.5 RAG系统的最佳实践
- 4.6 其他主流的RAG系统框架
- 4.7 思考题
- 4.8 本章小结
- 第5章 知识图谱技术体系
- 5.1 什么是知识图谱
- 5.2 DIKW模型与知识图谱
- 5.3 知识图谱的技术体系
- 5.4 知识图谱模式设计的基本原则
- 5.5 知识图谱模式设计的六韬法
- 5.6 大模型结合六韬法设计知识图谱模式
- 5.7 知识图谱模式设计的最佳实践
- 5.8 思考题
- 5.9 本章小结
- 第6章 构建知识图谱
- 6.1 知识图谱构建技术概述
- 6.2 抽取实体和实体属性
- 6.3 抽取关系和关系属性
- 6.4 抽取事件
- 6.5 多语言和跨语言
- 6.6 知识抽取的评价指标
- 6.7 思考题
- 6.8 本章小结
- 第7章 图数据库与图计算
- 7.1 图数据库概述
- 7.2 JanusGraph分布式图数据库
- 7.3 JanusGraph实战指南
- 7.4 JanusGraph的可视化
- 7.5 遍历与最短路径算法
- 7.6 中心性
- 7.7 社区检测
- 7.8 思考题
- 7.9 本章小结
- 第8章 图模互补应用范式
- 8.1 图模互补概述
- 8.2 图模互补中的知识图谱
- 8.3 图模互补中的大模型
- 8.4 图模互补应用范式的特点
- 8.5 大模型对知识图谱的增强
- 8.6 知识图谱对大模型的增强
- 8.7 基于图模互补应用范式的智能系统的典型流程
- 8.8 思考题
- 8.9 本章小结
- 第9章 知识图谱增强生成与GraphRAG
- 9.1 知识图谱增强生成的原理
- 9.2 知识图谱增强生成的通用框架
- 9.3 为知识图谱创建索引
- 9.4 从知识图谱中检索知识
- 9.5 知识表示形式
- 9.6 GraphRAG概述
- 9.7 GraphRAG实战
- 9.8 思考题
- 9.9 本章小结
- 第10章 知识增强大模型应用
- 10.1 应用框架
- 10.2 知识来源
- 10.3 知识运营
- 10.4 应用指南
- 10.5 行业应用案例
- 10.6 思考题
- 10.7 本章小结
- 附录A
- 附录B
- 参考文献
展开全部
评分及书评
尚无评分
目前还没人评分
出版方
电子工业出版社
电子工业出版社成立于1982年10月，是国务院独资、工信部直属的中央级科技与教育出版社，是专业的信息技术知识集成和服务提供商。经过三十多年的建设与发展，已成为一家以科技和教育出版、期刊、网络、行业支撑服务、数字出版、软件研发、软科学研究、职业培训和教育为核心业务的现代知识服务集团。出版物内容涵盖了电子信息技术的各个分支及工业技术、经济管理、科普与少儿、社科人文等领域，综合出版能力位居全国出版行业前列。
