知识图谱需要的基础知识: 数据库、机器学习、自然语言处理。
第一部分基础概念
1. 知识图谱:
是一种用图模型来描述知识和建模世界万物之间的关联关系的技术方法。
2. 知识图谱的目的
从数据中识别、发现和推断事物与概念之间的复杂关系,是事物关系的可计算模型。
3. 知识图谱的应用
语义搜索、智能问答、语言理解、决策分析等。
4.知识图谱的构建
知识建模、关系抽取、图存储、关系推理、实体融合等多方面技术。
5.知识图谱的发展历程
1960年,语义网络作为一种知识表示的方法出现,主要用于自然语言理解领域。
1980年,被引入人工智能领域用来刻画知识。
1989年,万维网。
1998年,提出语义互联网的概念。
2006年,定义了互联网上链接数据的四条原则。
2012年,谷歌发布了基于知识图谱的搜索引擎产品。
备注:连接派:神经网络---深度学习---聪明的人工智能
符号派:知识表示---知识图谱---有学识的人工智能
6.知识图谱的价值
最初,提高搜索引擎的能力。随后,用于辅助搜索、辅助问答、大数据分析、语言理解、设备互联(万物互联)。
7.知识图谱的技术流程
知识来源--知识表示--知识获取--知识融合--知识推理--知识检索--知识分析--领域应用。
8.知识图谱的相关技术
数据模型:RDF图与属性图。(三元组库与图数据库) RDF:资源描述框架
数据存储方案 :基于关系的存储方案、面向RDF的三元组库、原生图数据库