【每日新知识】知识图谱

来源

知识图谱是谷歌推出的产品
类似，facebook提出的社交图谱

典型应用

1、查询理解（例：基于知识图谱的搜索引擎）
2、自动问答
3、文档表示

主要技术

1、实体链接（entity linking）

两个任务：

• 实体识别（entity recognition）：从文本中发现实体，如，人名
• 实体消歧（entity disambiguation）：不同实体在不同文本中的不同概念

2、关系抽取（relation extraction）

关系抽取：抽取文本的实体关系（⚠️实体识别只是识别实体，这里除了实体还有关系，也就是一般呈现的三元组的形式）

关系抽取是知识图谱的关键技术，它决定了知识图谱中知识的规模和质量

3、知识推理（knowledge reasoning）

规则推理，新的关系推理

4、知识表示（knowledge representation）

知识图谱存在的问题：数据稀疏
有效解决这个问题的知识表示方法：低维向量

具体方法，以Trans-E为例说明，Trans-E是基于实体与关系的分布式向量表示方法，它将每个（h，r，t）中的r（relation）作为实体h（head）到实体t（tail）到翻译，不断的调整h，r，t，使得（h+r）=t；这里的h，r，t均为向量；

使用这种方式的好处：
1、缓解基于网络表示的稀疏问题
2、通过欧式距离or余弦向量等，容易计算实体间、关系间的相关度，可以寻找相似实体
3、可用于关系抽取，典型任务：知识补全（knowledge graph completion）
4、可用于发现关系间的推理规则

推荐读物：
中科院自动化所赵军团队2018年出版的教课书《知识图谱》

参考

• 《大数据智能-数据驱动的自然语言处理技术》刘知远 等 编著

• https://tech.sina.cn/2020-03-16/detail-iimxyqwa0896689.d.html