王仲远 | 基于概念知识图谱的短文本理解

本文转载自公众号：大数据创新学习中心。

---

3月10日，美团点评AI Lab NLP负责人王仲远博士，给大家进行了题为“基于概念化的短文本理解（Conceptualization for Short Text Understanding）”的报告。

王博士的这次报告主要分为3个步骤：通过理解短文本问题，引出知识图谱概念；讲解知识图谱的技术；以及应用场景。

他首先从通俗易懂的小例子入手，讲解了短文本。短文本比较稀疏，而且是充满噪音并包含歧义的。由于这样的特性，传统方法使得机器对短文本理解十分困难。并指出了当前搜索引擎面临的诸多问题。人类由于额外知识源，对于这种短文本的理解却很容易。

按照人类理解问题和回答问题的过程，可以将知识分两类—常识性知识和百科全书式知识（区别如下图）

而后，通过生动的例子讲解指出人们对于短文本的理解，会将它们映射到一个概念空间，再根据上下文进行推理。

紧接着，指出将常识知识加入到计算推理中

以实例讲解“概念化”：将文本映射到概念的空间。

又以例子具体讲解相关技术，如对实体进行正确的推理，挖掘字典关系，构建概念模型以及需要注意的事项等。

最后，王博士讲了这些技术的实际应用场景结束了这次精彩的汇报演讲。

---

OpenKG.CN

中文开放知识图谱（简称OpenKG.CN）旨在促进中文知识图谱数据的开放与互联，促进知识图谱和语义技术的普及和广泛应用。