1. 知识图谱之深入浅出知识表示 | 简介

动机

近些年，知识图谱已经渗透到人工智能领域的各方各面，例如自然语言处理（知识图谱+Bert）、计算机视觉（Zero-shot learning）、智慧医疗（2020最新文章使用知识图谱处理睡眠阶段分类问题）。为了将知识图谱能够转化为计算机能够处理的数据格式，需要学习知识图谱中每个结点的向量表示，该任务也是大部分下流任务的前提。本专栏将对大量知识图谱的表示算法进行整理和总结，主要涵盖内容如下：

算法：TransE，TransH，TransR，TransD，RotatE等。

具体内容：算法的基本概念、评价函数、代码实现。

接下来，本节将对知识图谱的一些基本概念和用途进行讲解，以便后续内容的顺利进行。

什么是知识图谱？

官方定义：知识图谱是一种基于图的数据结构，由节点（point）和边（Edge）组成，每个节点表示一个“实体”，每条边为实体与实体之间的“关系”，知识图谱本质上是语义网络。

实体：指的是现实世界中的事物，比如人物、单位、地点、手机号码等；

关系：指的是不同实体之间的关系，比如朋友、同事、就职于等。

由上图，可以看到实体有人，关系分别是好友和仇人。