浅谈对知识图谱的理解与理论层面构造知识图谱的几点思考

 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。

        

人工智能架构

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。