190602-开贴

   因为之前的5年忙于生存，大部分精力放在了工程项目实现和研发上，对算法和学习内容疏漏学习，很多知识都忘记了，需要重新学习，故开这个帖子开始，继续信号分析（包含时域信号，频域信号分析，语音 图像 分析等，deeplearning分析等）学习。 

   数学知识和基础图像语音知识系统学习，神经网络知识学习，此地作为一个记录笔记的地方。

    分析这些年的学习和工作生涯，不难发现，纯后台造车是一个很艰难的工程，这5年的工程实践经验奠定了项目从0到1的实现基础，而单纯后台造车很多问题是很难高效解决的，所以这5年也算没有白费，对于以后的新领域新项目研发，提供了不少条件。

   废话不说，重点开始学习之旅。

  知识图谱：

   随着不同行业的渗透，知识图谱越来越出现在公众视野。先来拔下 网上怎么说的：摘自：https://www.jiqizhixin.com/articles/2018-06-20-4

       随着移动互联网的发展，万物互联成为了可能，这种互联所产生的数据也在爆发式地增长，而且这些数据恰好可以作为分析关系的有效原料。如果说以往的智能分析专注在每一个个体上，在移动互联网时代则除了个体，这种个体之间的关系也必然成为我们需要深入分析的很重要一部分。 在一项任务中，只要有关系分析的需求，知识图谱就“有可能”派的上用场。

知识图谱是由Google公司在2012年提出来的一个新的概念。从学术的角度，我们可以对知识图谱给一个这样的定义：“知识图谱本质上是语义网络（Semantic Network）的知识库”。但这有点抽象，所以换个角度，从实际应用的角度出发其实可以简单地把知识图谱理解成多关系图（Multi-relational Graph）。 

那什么叫多关系图呢？ 学过数据结构的都应该知道什么是图（Graph）。图是由节点（Vertex）和边（Edge）来构成，但这些图通常只包含一种类型的节点和边。但相反，多关系图一般包含多种类型的节点和多种类型的边。比如左下图表示一个经典的图结构，右边的图则表示多关系图，因为图里包含了多种类型的节点和边。这些类型由不同的颜色来标记。

在知识图谱里，我们通常用“实体（Entity）”来表达图里的节点、用“关系（Relation）”来表达图里的“边”。实体指的是现实世界中的事物比如人、地名、概念、药物、公司等，关系则用来表达不同实体之间的某种联系，比如人-“居住在”-北京、张三和李四是“朋友”、逻辑回归是深度学习的“先导知识”等等。

 上面太复杂了，简单点就看这个例子：

 比如在Google搜索引擎里输入“Who is the wife of Bill Gates?”，我们直接可以得到答案-“Melinda Gates”。这是因为我们在系统层面上已经创建好了一个包含“Bill Gates”和“Melinda Gates”的实体以及他俩之间关系的知识库。所以，当我们执行搜索的时候，就可以通过关键词提取（"Bill Gates", "Melinda Gates", "wife"）以及知识库上的匹配可以直接获得最终的答案。这种搜索方式跟传统的搜索引擎是不一样的，一个传统的搜索引擎它返回的是网页、而不是最终的答案，所以就多了一层用户自己筛选并过滤信息的过程。  

我的理解就是，将相互之间关联的语义或者语境，延申出的类别信息 扩充作为一个图谱，而一旦涉及这个信息时候，相关图谱信息出现，则可以很快定位预测答案，图像 缺陷处理方面也是类似的，

当我出现很多缺陷都是叫裂缝时候，对于不同的背景，对于不同的类别，不同的颜色，裂缝都是细长细长的，人脑的思维是裂缝的图谱已经有相关概念，则检测裂缝时候，可以很快找到类似缺陷，当有此类图谱结构，只需要训练少量当前样本就可以达到检测裂缝效果，其他类别缺陷类似。

  截图 说明：知识图谱对于 业务理解和知识图谱设计的重要性，这写说明 当时我们做的不少deeplearning 的项目效果不佳，花了大量时间耗在对项目的理解上，即 想做好做成功一个deeplearning的项目，这业务理解和知识图谱设计两点的重要性，再就是有效数据的重要性。

 

 

首先，知识图谱是一个比较新的工具，它的主要作用还是在于分析关系，尤其是深度的关系。所以在业务上，首先要确保它的必要性，其实很多问题可以用非知识图谱的方式来解决。

知识图谱领域一个最重要的话题是知识的推理。 而且知识的推理是走向强人工智能的必经之路。但很遗憾的，目前很多语义网络的角度讨论的推理技术（比如基于深度学习，概率统计）很难在实际的垂直应用中落地。其实目前最有效的方式还是基于一些规则的方法论，除非我们有非常庞大的数据集。

最后，还是要强调一点，知识图谱工程本身还是业务为重心，以数据为中心。不要低估业务和数据的重要性。

 

学习借鉴别人的文章，加入自己的部分理解，看看以后能否应用起来。