Knowledge Graphs and LLMs in Action (Paperback)
Lingua: inglese
Editore: Manning Publications, New York, 2025
Serie: Libro 159 di 182 - In Action
- Brossura
- Nuovo
Da: CitiRetail, Stevenage, Regno UnitoCitiRetail
Venditore AbeBooks dal 29 giugno 2022
Condizione: Nuovo
EUR 65,20
Quantità: 1 disponibile
Aggiungi al carrelloDescrizione dell’articolo da parte del venditore
Paperback. Data overload, disconnected context, and stalled machine learning results are common frustrations for data teams. Even with vast datasets and advanced models, insights remain elusive when information is scattered and relationships are unclear. What if you could structure your data in a way that gives it meaning, connects the dots, and powers smarter, faster learning? By building knowledge graphs that integrate with large language models, you can transform disconnected information into actionable, context-rich intelligence that drives real results. Iterative top-down modeling: Aligns every graph decision with clear business questions. Ontology and taxonomy starters: Jump-start graph design from your existing structured data. Python code walk-throughs: Let you replicate techniques on day one, no guesswork. GNN and BERT integration: Upgrade graphs with deep learning for smarter reasoning and predictions. Real healthcare and policing cases: Prove scalability on messy, high-stakes datasets. Knowledge Graphs and LLMs in Action by GraphAware scientists Dr. Alessandro Negro and colleagues delivers a code-rich softcover reference that unites cutting-edge research with field-tested engineering practice. Starting with business questions, you model ontologies, import varied sources, then iteratively expand your graph. Later chapters layer GNNs, transformers, and reasoning algorithms, showing complete pipelines on full-scale datasets. You will leave with repeatable workflows, reusable code, and the confidence to connect fragmented data into intelligent, context-aware applications. Stop guessing; start delivering measurable machine learning impact. Knowledge graphs represent a real paradigm shift in the way that machines can understand data by effectively modeling the contextual information thats vital for human knowledge. Theyre poised to help revolutionize data analysis and machine learning, with applications ranging from search engines to e-commerce and more. Shipping may be from our UK warehouse or from our Australian or US warehouses, depending on stock availability. …
Codice articolo 9781633439894
- Titolo
- Knowledge Graphs and LLMs in Action (Paperback)
- Autore
- Alessandro Negro
- Editore
- Manning Publications, New York
- Anno di pubblicazione
- 2025
- Condizione
- new
- Rilegatura
- Paperback
- Lingua
- inglese
- ISBN 10
- 1633439895
- ISBN 13
- 9781633439894
- Serie
- Libro 159 di 182: In Action
Knowledge graphs model relationships between the objects, events, situations, and concepts in your domain so you can readily identify important patterns in your own data and make better decisions. Paired up with large language models, they promise huge potential for working with structured and unstructured enterprise data, building recommendation systems, developing fraud detection mechanisms, delivering customer service chatbots, or more. This book provides tools and techniques for efficiently organizing data, modeling a knowledge graph, and incorporating KGs into the functioning of LLMs—and vice versa.
In Knowledge Graphs and LLMs in Action you will learn how to:
• Model knowledge graphs with an iterative top-down approach based in business needs
• Create a knowledge graph starting from ontologies, taxonomies, and structured data
• Build knowledge graphs from unstructured data sources using LLMs
• Use machine learning algorithms to complete your graphs and derive insights from it
• Reason on the knowledge graph and build KG-powered RAG systems for LLMs
In Knowledge Graphs and LLMs in Action, you’ll discover the theory of knowledge graphs then put them into practice with LLMs to build working intelligence systems. You’ll learn to create KGs from first principles, go hands-on to develop advisor applications for real-world domains like healthcare and finance, build retrieval augmented generation for LLMs, and more.
About the technology
Using knowledge graphs with LLMs reduces hallucinations, enables explainable outputs, and supports better reasoning. By naturally encoding the relationships in your data, knowledge graphs help create AI systems that are more reliable and accurate, even for models that have limited domain knowledge.
About the book
Knowledge Graphs and LLMs in Action shows you how to introduce knowledge graphs constructed from structured and unstructured sources into LLM-powered applications and RAG pipelines. Real-world case studies for domain-specific applications—from healthcare to financial crime detection—illustrate how this powerful pairing works in practice. You’ll especially appreciate the expert insights on knowledge representation and reasoning strategies.
What's inside
• Design knowledge graphs for real-world needs
• Build KGs from structured and unstructured data
• Apply machine learning to enrich, complete, and analyze graphs
• Pair knowledge graphs with RAG systems
About the reader
For ML and AI engineers, data scientists, and data engineers. Examples in Python.
About the author
Alessandro Negro is Chief Scientist at GraphAware and author of Graph-Powered Machine Learning. Vlastimil Kus, Giuseppe Futia, and Fabio Montagna are seasoned ML and AI professionals specializing in Knowledge Graphs, Large Language Models, and Graph Neural Networks.
Table of Contents
Part 1
1 Knowledge graphs and LLMs: A killer combination
2 Intelligent systems: A hybrid approach
Part 2
3 Create your first knowledge graph from ontologies
4 From simple networks to multisource integration
Part 3
5 Extracting domain-specific knowledge from unstructured data
6 Building knowledge graphs with large language models
7 Named entity disambiguation
8 NED with open LLMs and domain ontologies
Part 4
9 Machine learning on knowledge graphs: A primer approach
10 Graph feature engineering: Manual and semiautomated approaches
11 Graph representation learning and graph neural networks
12 Node classification and link prediction with GNNs
Part 5
13 Knowledge graph–powered retrieval-augmented generation
14 Asking a KG questions with natural language
15 Building a QA agent with LangGraph
Get a free eBook (PDF or ePub) from Manning as well as access to the online liveBook format (and its AI assistant that will answer your questions in any language) when you purchase the print book.
"Riassunto" può appartenere a un’altra edizione di questo titolo.
Informazioni sull’autore
Dr. Vlastimil Kus is the Lead Data Scientist at GraphAware where he contributes to the development of Hume. Over the years he gained significant experience in building and utilizing Knowledge Graphs from unstructured data using NLP and ML techniques in various domains. His current focus is NLP and Graph Machine Learning.
Dr. Giuseppe Futia is Senior Data Scientist at GraphAware and a Fellow at the Nexa Center for Internet & Society. He holds a Ph.D. in computer engineering from the Politecnico di Torino (Italy), where he explored Graph Representation Learning techniques to support the automatic building of Knowledge Graphs.
Fabio Montagna is the Lead Machine Learning Engineer at GraphAware. He holds a master’s degree in software engineering from Unisalento (Italy). As a bridge between science and industry, he assists with moving rapidly from scientific reasoning to product value.
"Descrizione articolo" può appartenere a un’altra edizione di questo titolo.
CitiRetail
Stevenage, Regno Unito
Venditore AbeBooks dal 29 giugno 2022
Tariffe di spedizione da Regno Unito a U.S.A.
| Articolo | Da 7 a 14 giorni lavorativi | Da 7 a 60 giorni lavorativi |
|---|---|---|
| Primo articolo | EUR 43,79 | EUR 43,79 |
Metodi di pagamento
Descrizione dello Store
Online business
Informazioni sull’azienda del venditore
ABC BOOKS LIMITED
10 John Street
London, Regno Unito WC1N 2EB
Condizioni di vendita
Orders can be returned within 30 days of receipt.
Diritto di recesso
Se sei un consumatore puoi recedere dal contratto in conformità con quanto segue. Per Consumatore si intende qualsiasi persona fisica che agisce per scopi estranei alla propria attività commerciale, imprenditoriale, artigianale o professionale.
Informazioni sul diritto di recesso
Diritto legale di recesso
Hai il diritto di recedere dal presente contratto entro 14 giorni senza fornire alcuna motivazione.
Il periodo di recesso scade dopo 14 giorni dal giorno in cui tu o una terza parte, diversa dal vettore e da te indicata, acquisisce il possesso fisico dell'ultimo bene o dell'ultimo lotto o pezzo.
Per esercitare il diritto di recesso, compila e invia elettronicamente una dichiarazione esplicita sul nostro sito Web, alla voce “I miei acquisti” nella sezione “Mio account”. Ti comunicheremo senza indugio una conferma di ricezione di tale recesso su un supporto durevole (ad es. via e-mail).
Per rispettare il termine di recesso, è sufficiente inviare la comunicazione relativa all'esercizio del diritto di recesso prima della scadenza del periodo di recesso stesso.
Effetti del recesso
In caso di recesso dal presente contratto, ti rimborseremo tutti i pagamenti ricevuti, compresi i costi di spedizione (ad eccezione dei costi supplementari derivanti dalla tua eventuale scelta di un tipo di spedizione diverso dal tipo meno costoso di consegna standard da noi offerto).
Potremo effettuare una detrazione dal rimborso per la perdita di valore dei beni forniti, qualora tale perdita sia il risultato di una manipolazione non necessaria da parte tua.
Eseguiremo il rimborso senza indebito ritardo e non oltre 14 giorni dal giorno in cui saremo informati della tua decisione di recedere dal presente contratto.
Il rimborso sarà effettuato utilizzando lo stesso mezzo di pagamento da te usato per la transazione iniziale, salvo che tu non abbia espressamente concordato altrimenti; in ogni caso, non dovrai sostenere alcun costo quale conseguenza di tale rimborso.
Possiamo trattenere il rimborso finché non avremo ricevuto i beni oppure finché non avrai fornito la prova di averli rispediti, a seconda di quale condizione si verifichi per prima.
Dovrai rispedire i beni o consegnarli a CitiRetail, Stevenage, United Kingdom, senza indebito ritardo e, in ogni caso, entro 14 giorni dal giorno in cui ci hai comunicato la tua volontà di recedere dal presente contratto. Il termine è rispettato se rispedisci i beni prima della scadenza del periodo di 14 giorni. I costi diretti della restituzione dei beni saranno a tuo carico. Sei responsabile solo della diminuzione del valore dei beni risultante da una manipolazione diversa da quella necessaria per stabilire la natura, le caratteristiche e il funzionamento dei beni stessi.
Eccezioni al diritto di recesso
Il diritto di recesso non si applica a:
- La fornitura di giornali, periodici o riviste ad eccezione dei contratti di abbonamento; e
- La fornitura di contenuto digitale non fornito su un supporto materiale (ad es. su un CD o DVD), se al momento dell'invio dell'ordine hai accettato l'inizio dell'esecuzione e hai riconosciuto che non avresti potuto recedere una volta iniziata l'esecuzione.
Condizioni di spedizione
Please note that titles are dispatched from our US, Canadian or Australian warehouses. Delivery times specified in shipping terms. Orders ship within 2 business days. Delivery to your door then takes 7-14 days.