第1章　知識工程 001
1.1　知識工程與歷史沿革 002
1.1.1　知識工程是什么 002
1.1.2　知識就是力量 003
1.1.3　知識工程的歷程 008
1.2　知識表示與推理 013
1.2.1　知識表示 013
1.2.2　推理 018
1.3　專家系統與知識圖譜 022
1.3.1　專家系統 022
1.3.2　知識圖譜 026

第2章　知識工程的邏輯基礎 032
2.1　命題與量詞 033
2.2　邏輯聯結詞 036
2.2.1　“與”“或”“非”運算 036
2.2.2　邏輯聯結詞的復合運算 038
2.3　充分必要條件 044

第3章　知識工程的推理基礎 054
3.1　演繹推理與合情推理 055
3.1.1　演繹推理 055
3.1.2　合情推理 058
3.2　計算機實現推理的過程 063
3.2.1　計算機實現演繹推理 064
3.2.2　計算機實現合情推理 072

第4章　專家系統 075
4.1　初識專家系統 076
4.1.1　什么是專家系統 076
4.1.2　專家系統的應用 078
4.1.3　專家系統的優勢與不足 079
4.2　專家系統的機理 080
4.2.1　專家系統的構成 080
4.2.2　專家系統的分類 081
4.2.3　專家系統的推理 083
4.3　專家系統Python實例 087

第5章　知識圖譜 092
5.1　本體知識與知識圖譜 093
5.1.1　什么是本體知識 093
5.1.2　本體的構成 094
5.1.3　知識圖譜與三元組 096
5.2　知識圖譜的實現路徑 098
5.2.1　知識圖譜的構建 098
5.2.2　知識圖譜的存儲、查詢與推理 101
5.2.3　知識圖譜的應用 102
5.3　知識圖譜的Python實例 104

第6章　Neo4j入門 109
6.1　Neo4j環境準備 112
6.1.1　創建數據庫 112
6.1.2　運行數據庫 113
6.2　常用語句格式 114
6.2.1　數據的創建 114
6.2.2　數據的修改 116
6.2.3　數據的刪除 118
6.2.4　數據的查詢 120
6.3　Neo4j的經典解決方案 128
6.3.1　金融風控應用：欺詐監測 129
6.3.2　社交網絡應用：推薦系統 129
6.3.3　知識圖譜應用：三國人物 132

第7章　Neo4j的實踐案例 136
7.1　案例一：唐代人物社交網絡 137
7.1.1　案例背景 137
7.1.2　創建 138
7.1.3　查詢 144
7.1.4　批量導入數據 146
7.2　案例二：《家有兒女》人物關系圖譜 152
7.2.1　案例背景 152
7.2.2　創建 154
7.2.3　查詢 160
7.3　案例三：銀行欺詐監測圖譜 163
7.3.1　案例背景 163
7.3.2　創建 165
7.3.3　查詢 168

附錄 170
附錄A　圖數據庫的發展脈絡 171
附錄B　花卉知識圖譜 181
附錄C　騰訊扣叮Python實驗室：Jupyter Lab 使用說明 190