知识图谱(Knowledge Graph)

本文科普了知识图谱的概念,由谷歌在2012年提出,用于搜索引擎以展示丰富的信息卡片。知识图谱通过实体、关系和属性构成,涉及知识抽取、融合和存储。在推荐系统、反欺诈、企业信息展示和智能客服等领域有广泛应用。
摘要由CSDN通过智能技术生成

这篇文章的目的就是给不了解知识图谱的人做一个简单的科普。

一、什么是知识图谱

        知识图谱(Knowledge Graph)又称为科学知识图谱,在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。--- 百度百科

        知识图谱2012年由谷歌提出,最早应用在其搜索引擎中。以下图为例,在google中搜索Da Vinci,除了返回包含Da Vinci字样的网页,还能了解有关Da Vinci的新闻,Da Vinci相关的各种信息,以及拓展Da Vinci各种信息(我们一下图红框部分为例)等。

        红框部分是使用图谱技术做的只是卡片,通过卡片展示了Da Vinci的各种信息,包括画作的图片推荐,介绍,地址、亲属关系、艺术作品等。

 

这些信息展现在知识图谱里是一种怎样的形式呢?我们来看一下:

常识性知识图谱是一种以图谱结构来组织和表示常识性知识的技术。它以实体、属性和关系为基本元素,将各种类型的常识性知识以节点和边的形式连接起来,形成一个丰富的知识网络。 在常识性知识图谱中,实体代表现实世界中的事物,如人物、地点、组织、概念等。属性表示实体的性质或特征,如人物的出生日期、地点的经纬度等。而关系则描述实体之间的关联或联系,如人物之间的亲属关系、地点之间的距离关系等。 常识性知识图谱的建立主要依靠自然语言处理、信息抽取和知识表示等技术。首先,通过自然语言处理技术,从多种文本资源中抽取出实体、属性和关系的信息。然后,利用信息抽取技术将这些信息结构化,并按照图谱的形式进行组织。最后,通过知识表示技术,将这些结构化的知识表示为计算机可理解的形式,以便机器能够基于知识图谱进行推理和理解。 常识性知识图谱具有广泛的应用前景。它可以用于智能问答系统,提供准确、全面的答案;用于智能推荐系统,根据用户的兴趣和需求,为其推荐个性化的内容;用于智能机器人,帮助机器人具备理解和推理能力,提供更智能的服务等等。 然而,常识性知识图谱的构建面临一些挑战,如知识获取的可靠性和准确性,知识表示的一致性和丰富性等。未来,通过不断改进知识抽取、知识推理等技术,常识性知识图谱有望更好地支持人工智能系统的发展,为人们提供更智能、更高效的服务。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值