本书详细介绍了两种表示：马尔可夫逻辑网络，无向图模型和加权一阶谓词演算公式的关系扩展，以及Problog，逻辑程序的概率扩展，也可以被视为贝叶斯网络的图灵完备关系扩展。

《知识图谱食谱》解释了为什么您的组织应该投资开发知识图谱，最重要的是，存在哪些方法可以以高效、成功和可持续的方式开发和集成它们。

管理模糊开始在语义网研究中发挥重要作用，大量的研究工作正在进行中。模糊逻辑和语义Web语言基础提供了对语义Web语言中用于表示模糊信息的数学方法和工具的严格而简洁的说明。

本书全面讨论了数据库语义（DBS）作为一种基于代理的数据驱动理论，描述了自然语言通信的本质工作原理。在语言交流中，智能体在说话模式和听觉模式之间切换，前者由认知内部内容（输入）驱动，导致认知外部原始数据（例如声波或像素，它们没有意义或语法属性，但可以通过自然科学测量），后者由说话者产生的原始数据驱动，导致认知内部内容。

对于学生和专家来说，这是一篇优秀的书籍，用于答案集编程和知识表示。答案集编程是一种基于人工智能的新编程方法，并且已经发现了许多重要的应用。

本书向读者介绍了ASP的理论和实践。它描述了答案集求解器 CLINGO 的输入语言，该求解器由德国波茨坦大学设计，如今已被许多国家的 ASP 程序员使用。它包括许多ASP程序的示例，并提出了ASP所基于的数学理论。有许多具有完整解答的练习。

本书的主题包括背景、用于计算推理关系闭包的条件分类、推理核心和冗余条件、非单调推理关系的形式属性和评估，以及 InfOCF：在排名模型集上实现推理。​

本书解决了对当前跨学科（ID，interdisciplinary​）研究和实践进行大规模和系统分析的迫切需要。它展示了跨学科（ID，interdisciplinary）本质上是一种认知现象，不同于试图克服学科能力和紧急情况的轻浮和无关紧要的尝试。

《知识表示和机器学习的预测和分析》展示了各种知识表示和机器学习方法和架构，这些方法和架构将在研究中活跃。这些方法通过来自广泛研究主题的真实示例进行审查。有关机器学习中知识表示中实现的许多技术和算法的了解，请访问本图书的附加网站。

本书介绍了一种新的知识表示模型，称为MDATA（多维数据关联和智能分析，Multi-dimensional Data Association and inTelligent Analysis​）。通过修改知识图谱中实体和关系的表示，可以有效地描述具有时间和空间特征的动态知识。MDATA模型可以看作是一种高级时空知识图谱模型，具有很强的知识表示能力。