知识图谱(Knowledge Graph)小结
来源:互联网 发布:sql set rowcount 编辑:程序博客网 时间:2024/04/27 18:22
知识图谱(Knowledge Graph)小结
一、知识图谱(Knowledge Graph)主要目的是在海量网络数据中以更直观的方式把知识展现给用户
二、KG特征和功能:本质上是一种语意网络,用户查询关键词映射到语意知识库的概念上,
核心是知识库。
三、知识图谱流程:知识获取,知识融汇,知识存储,查询式语意理解,知识检索和可视化
3.1知识获取:
在大数据环境下,可通过机器学习,知识挖掘,自然语言处理等方式获取,这说明在学习知识图谱的同时,对于机器学习,数据挖掘等相关方向也要有一定的了解和运用。
3.2知识融合:
面对网络上获取的大量数据,其格式,属相等需要统一,这称为异构数据。
实体和关系是图谱中基本要素,如同图中的顶点和边一样,实体的重要度根据
PageRank等算法进行排序
在知识融合过程中,还需要通过推理检测逻辑矛盾,通过聚合、分类把知识具体化和分类整合。
因为任何实体都不是单独孤立的,与周围一些概念存在一定逻辑关系,由此可看出在离散数学的中数理逻辑,关系证明等基础知识的重要性,以及与图论的结合。
3.3知识存储:
主要依赖于海量数据存储技术来管理大规模分布式的数据,以实现大容量,可扩展,高可靠性和高性能。
3.4查询式语意理解:
各种查询式方法,查询式语意的分析,分词,标注,纠错,语法分析,与知识库匹配,用户情感及语境,查询式扩展,主要以自然语言处理和人工智能为基础。
3.5知识检索:
此阶段涉及到信息检索,知识挖掘扥关键技术(相似性,重要性)。对查询语意进行解析,与知识库的知识匹配,进行统计,排序,推理,预测。为用户查询出关键完整准确的有效信息,同时推荐用户可能感兴趣的信息(涉及到推荐系统)。
3.6可视化展现:
提升用户体验和效果,更注重内容显示粒度上的把握,需要涉及到Web客户端技术,可视化技术,人机交互技术帮助用户提高体验效果。
四、知识图谱的应用
4.1商业搜索引擎的应用:如百度、搜狗等,国外谷歌。
4.2问答系统的应用:苹果的Siri
4.3电商平台运用:淘宝
4.4社交网络运用:FB
4.5其他领域:如教育科研,医疗,生物研究的
五.小结:
知识图谱作为近两年在大数据时代下新颖的知识组织与检索技术,其知识组织和展示的优势逐渐体现出来,受到众多领域的关注。应用前景十分广泛。当前知识图谱发展还处于初级阶段,面临众多挑战和难题,如:知识库的自动扩展,异构知识处理,推理规则学习,跨语言检索等。
- 知识图谱(Knowledge Graph)小结
- 知识图谱(knowledge graph)
- 思维导图浅析入门知识图谱(Knowledge Graph)
- 2012年5月16日,Google发布“知识图谱(Knowledge Graph)”
- 图谱(Graph)API 概要
- knowledge base, knowledge graph
- 基于知识的图文档建模(Knowledge-based Graph Document Modeling)
- 知识图谱学习(二)
- deep learning knowledge graph
- google knowledge graph
- 算法小结(Graph)
- 知识图谱
- 知识图谱
- 知识图谱
- 知识图谱
- 知识图谱
- 知识图谱
- 知识图谱
- WikiOI 1217 借教室 (NOIP2012)二分写法
- AFNetWorking是如何进行数据缓存的--之AFImageCache & NSURLCache 详解
- linux 上安装phpstudy
- winform 获取屏幕工作区间 当前窗口工作区间
- JAVACORE与HEAPDUMP生成大法
- 知识图谱(Knowledge Graph)小结
- PL/SQL: ORA-00942: table or view does not exist
- 指数波段划分以及底部反弹行业特征统计分析
- Red Hat Linux 下命令行界面与图形界面的切换
- Collection与Collections工具类
- onresize()调整浏览器窗口时,使图片等控件自适应地变化大小
- 设置ListView某一项不可点击的办法
- git fetch和pull的区别
- MySQL5.7 window版的安装方法