知识图谱的概念最早起源于Google在2012年提出的Knowledge Graph。知识图谱本质上是一种语义网络。其结点代表实体(entity)或者概念(concept),边代表实体/概念之间的各种语义关系。知识图谱的直接推动力来自于一系列实际应用,包括语义搜索、机器问答、情报检索、电子阅读、在线学习等。
人工智能正由感知智能向认知智能演化,让机器具备认知智能,其核心就是让机器具备理解和解释能力。这种能力的实现与大规模、结构化的背景知识是密不可分的。知识图谱是实现机器认知智能的使能器,一方面通过建立从数据到知识图谱中实体、概念、关系的映射,让机器理解数据的本质;另一方面利用知识图谱中实体、概念和关系来解释现实世界中事物和现象,让机器解释现象的本质。
AMiner学术搜索平台推荐了一系列知识图谱相关的经典论文,内容涵盖:概念、发展历程、关键技术(比如知识表示与建模、知识抽取、知识融合、知识图谱查询与推理计算等)、应用场景、研究问题与挑战、未来研究方向等多方面。旨在为读者了解知识图谱的发展动向、基础及应用研究的代表性成果提供了信息窗口。
10篇推荐论文如下:
1、标题:A Survey on Knowledge Graphs: Representation, Acquisition and Applications
出版物:the Association for the Advance of Artificial Intelligence --AAAI2020
作者:Shaoxiong Ji, Shirui Pan, Erik Cambria, Pekka Marttinen, Philip S. Yu
推荐理由:本文详细介绍了知识图谱表示学习、知识获取与完成、时间知识图谱、知识感知应用等方面的技术和未来的研究方向。
2、标题: