简介
Knowledge Graph Slides, a collection of knowledge graph lectures, including the ccks series from 2013 to 2018, 中文知识图谱计算会议CCKS报告合集,涵盖从2013年至2018年,共48篇,从中可以看出从谷歌2012年推出知识图谱以来,中国学术界及工业界这6年来知识图谱的主流思想变迁。
项目地址:https://github.com/liuhuanyong/KnowledgeGraphSlides
项目介绍
懂语言者得天下,自然语言处理是人工智能皇冠上的一颗明珠,这句话,大家都耳熟能详了。确实不错,相比三大信息流(图像,语音,文本)前两个信息流都已经取得了较大的突破,而由于自然语言的不确定性根本特征,目前自然处理虽然在某些任务上超越了人类(尤其是2018年11月份的BERT模型出世,吊打人类水准),但总体上来说,都集中在判别和分类问题上,在推理、文本生成上还是有很长一段路要走。
知识图谱,与以深度神经网络为首连接主义不同,作为符号主义,从一开始提出就注定了要从知识表示、知识描述、知识计算与推理上不断前行。知识图谱是年老的,从最初的逻辑语义网(semanticnet)、到语义网络(semantic-web)、到Linked-data,在到现在的知识图谱,知识图谱从一开始到现在,说长的话,已经经历了将近50年的时间。知识图谱又是年轻的,知识图谱真正作为一个突出热点走进大家眼球的,还是在2012年收购freebase的google,终于在受不了传统的文档搜索,而寻求一种更为简洁、人性化的搜索方式后以简洁答案、知识卡片的方式形成了大家现在一直提到的知识图谱(还记得蒙娜丽莎月达芬奇的经典图),从这个时间算起,也就7年的时间,所以知识图谱又是年轻的。
在这前前后后7年的时间里,知识图谱得到了全面的发展,从知识的组织,知识的构建(包括知识抽取,知识融合,知识链接,知识补全[缺失知识补充,既定知识辨识])等技术得到了快速的发展,虽然目前的性能还远没有达到可以完全实用的地步,但这种繁荣迹象承载着广大科研人员的辛勤劳动和整个知识时代的推动。从CCKS的举办议题和懂特邀报告来看,我们可以看到知识图谱话题的演变,从2013年偏向概念与本体的知识图谱构建到2014年的知识链接,再到2015年的领域知识学习与深度学习引入,再到2016年的工业界知识图谱出现,再到2017年的中文开放知识图谱openkg的提出与知识图谱的体现化,再到2018年的工业界知识图谱全面开花,我门可以看到这个领域的进步。学术界与工业界自打从娘胎里出来后,就注定了两者之间存在着一直为世人所诟病的gap,前者往往会在一个数据小,干净的环境下去从事基础科学研究,而以经济效益和实际