本书系统探讨深度学习驱动下的知识获取技术，聚焦实体链接、关系抽取、知识推理与实体对齐四大核心问题。通过融合注意力机制、图卷积网络、预训练模型等前沿方法，构建“问题建模-方法创新-实验验证”的研究体系，旨在提升知识图谱的完整性与应用效能，并为相关领域的研究与实践提供参考。全书共8章：第1章介绍研究背景及当前知识获取技术存在的问题，并由此引出主要研究内容和本书组织架构。第2章对相关研究和深度学习模型进行综述。第3-7章分别介绍了结合共同注意力机制与图卷积神经网络的实体链接方法，基于编码器-解码器框架的远程监督关系抽取方法，基于卷积神经网络的路径增强的知识推理方法，基于预训练语言模型的文本增强知识推理方法和基于时序与语义增强的实体对齐方法。第8章对本书内容进行了总结，并对未来研究工作进行了展望。

本书适合人工智能领域科研人员，计算机科学与技术相关专业的学生和知识图谱及深度学习爱好者阅读。

贾宁宁，首都经济贸易大学管理工程学院大数据系讲师。姚翠友，首都经济贸易大学管理工程学院信管系教授。刘菲，首都经济贸易大学人工智能学院计算机系讲师。