【知识图谱--mooc学习笔记】

提示：之前在bilibil学的那个课程能学到的东西理论太少了，准备跟着网课过一下基础知识，出一下系列；这个系列课程是mooc浙大的知识图谱导论~

弥补一下基础，然后再重回实践

文章目录

文章目录

前言

一、语言与知识

二、知识图谱的起源==互联网基因

三、知识图谱的价值

四、知识图谱的技术内涵

总结

---

前言

第一章：

知识图谱概述：
    ·语言与知识
    ·知识图谱的起源
    ·知识图谱的价值
    ·知识图谱的技术内涵

---

一、语言与知识

传统的人工智能比较典型的两个领域：链接主义和符号主义 

二、知识图谱的起源==互联网基因

• ·MEMEX-记忆机器

    ·超文本技术的发明--实现以链接为中心的系统
    ·事物之间不应该只有文本链接，应该还有关系链接
        eg：
        ·浙江大学的一个教授在个人主页里面放了浙江大学的链接
        ·但是互联网是不能根据这个判断这个教授雇佣于浙江大学

•     ·提出语义网络

        ·节点更加细节：可以是一本书、一个作家
        ·之间的关系可以是雇佣关系和所属关系。。。
    ·在大数据角度的语义网络：
        ·利用规范化的语义表示（Schema&Ontology）将碎片化的数据关联和融合    
    ·催生了各种语义网络项目

•     ·谷歌知识图谱：（2012）

        ·能够更精准的获得搜索返回节点，例如直接返回浙江大学所在省份
    ·典型的知识图谱项目：Freebase、WikiData、Schema.org（关系定义方法)中文领域OpenKG.CN

三、知识图谱的价值

•     ·应用1：搜索引擎

        Web的理想是链接万物，搜索的理想是万物搜索

•     ·应用2:智能问答

        类似天猫精灵、siri
        对话式的信息获取更加需要精准度和可靠度，知识图谱对于提升用户体验更加不可少

•     ·应用3：KG推荐系统

        增强user和item的特征表示，有利于挖掘更深层次的用户兴趣，关系多样性也有利于实现更加个性化的推荐，丰富的语义描述

•     ·应用4：KG辅助大数据分析

        eg：PALATIR
        ·语义集成：Dynamic Ontology
        ·语义搜索：围绕Ontology来搜索发现结果和关系
        ·知识管理：所有的知识是权限控制的
        ·协作：知识可以在不同的用户之间共享，协同工作
        ·算法引擎：对于通用领域问题，提供了通用算法来发现趋势

•     ·应用5：KG辅助语言理解
•     ·应用6：KG辅助视觉理解

        ·知识图谱在CV领域有广泛的应用，将视觉识别出的对象连接到外源的知识图谱，可用来辅助图像语义关系抽取和视觉语义的深入理解等

四、知识图谱的技术内涵

•  ·知识+图谱：两个互补的技术维度

        ·知识：怎么表示知识和关系
        ·图谱：考虑图数据、图结构怎么表示知识

• ·更加细分的知识图谱技术要素

        ·知识图谱技术要素

• ·技术内涵：基于图的知识表示

        ·有向标记图（Directed-Labled Graph）--最简单、最接近自然语言和人脑认知的数据模型
        ·RDF图（资源描述框架）
            ·RDF图包含最基础的三元组（主语、谓语、宾语）
            这些三元组首尾链接最后就能链接成知识图谱

• 2.图数据存储与查询

        ·图数据库充分利用图的结构建立微索引？
        ·微索引比起关系数据库的全局索引在处理图遍历查询时更加廉价，
        ·查询复杂度与数据集整体关系大小无关，仅正比于相邻子图的大小。因此在很多设计复杂关联和多跳的场景中广泛应用

• 3.知识抽取

        ·从不同来源、不同结构的数据中进行知识提取，形成知识存入到知识图谱
        ·文本一般不作为知识图谱构建的初始来源，而多用来做知识图谱补全

• 4.数据融合

        多个来源的实体映射到统一的概念模型当中
        ·本体概念融合
        ·实体融合
        表示学习是目前主要的技术

• 5.推理技术

        ·基于符号逻辑的推理方法：OWL Reasoners、Datalog、Rate等
        ·基于图结构或表示学习的推理方法：PRA、AMIE、TransE、Analogy、DeepPath等
        

• 6.问答-KBQA
• 7.图算法与图神经网络

        知识图谱不是单一技术，做知识图谱需要建立系统工程思维

            ·数据
            ·算法
            ·工具
            ·系统

        多方面考虑
    

---

 

 

 

 

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。