对知识图谱的几点理解:
1、什么是知识图谱?
知识图谱是表示信息知识及信息知识之间关系的一种工具,最终呈现的方式是有向知识图。
2、为什么需要知识图谱?
(1)信息表达的需要:在过去传统的信息存储中,通常采用二位或多维表的格式,而这种传统表的存储和记录信息的方式无法更准确,更清晰的表达实体与实体之间的关系。因此,为应对刻画实体与实体之间联系的需要,一种新的知识表示方式应运而生,即知识图谱。常见应用:搜索引擎。
(2)语言文本处理的需求:随着大数据、人工智能的普及和应用;自然语言处理技术的发展进一步推动了知识图谱的落地应用,通过知识图谱可以准确的刻画文本实体之间的联系和差异,挖掘海量文本数据当中的潜在价值,使得模型的训练更准确。
3、如何理解知识图谱与人工智能的关系?
知识图谱是人工智能的九大应用模块之一,更是被Google公司定位为人工智能重点推动技术之一。
基础层 | 数据,软硬件设施 等 |
---|---|
技术层 | 自然语言处理,图像识别等 |
应用层 | 微软小冰,人脸识别,智能翻译等 |
知识图谱的应用就体现在数据这一方面,在目前的机器学习当中,我们通常采用格式化的数据(表)进行模型的训练和预测,当然,预测的结果也是用表或文字等方式进行表达;但知识图谱的出现变革了数据的表达和组织方式,知识图谱出现后,训练数据集和测试数据集仍保留过往方式,但知识的表示方法较以往有了全新的面貌。例如:谷歌以知识图谱的方式展示智能搜索结果。
知识图谱的构建
围绕业务规划产品,基于团队选择方法。
1、关键
实体的选择和实体间关系的刻画。
2、步骤
(1)语义类型的梳理与总结
该部分主要是梳理构建知识图谱标签的种类,自身所构建的知识图谱涉及哪些类别的实体。通常有两种方法:自顶向下和自底向上。
自顶向下:又称专家方法,即根据你自身所掌握的有关知识,直接确定知识图谱所需要的实体种类。
自底向向上:采用机器学习对大量的有关文本进行分类,再人工对分类完的数据进行贴标签,确定实体的种类。这种方式更适用于非领域专业人员,可以得到更广泛的实体类别。
(2)语义关系的确定
在确定了基本的实体类别后,我们就可以进一步寻找不同实体类别之间的关系。关系数量的多寡取决于知识图谱项目本身的需要,在考虑关系时不妨从以下几点来考虑:时间、空间、逻辑、物理、功能等等,一切现实中的关系都可以作为参照映射到知识图谱中。
以上是我作为初学者对知识图谱一些浅显的思考,如果不正确之处欢迎大家批评指正。