知识图谱
文章平均质量分 79
知识图谱的自我修炼之路
__盛夏光年__
这个作者很懒,什么都没留下…
展开
-
人工智能之知识图谱概述(一)
文章目录碎碎念碎碎念工作中心已经转移到现在的知识图谱,最近找到了一个很新的综述报告,资源如下,先对知识图谱进行整体把握,再逐步对各个关键技术进行学习。传送门:网站地址:2019年第二期《人工智能之知识图谱》文件网盘地址:链接,提取码:putq...原创 2019-08-29 11:20:09 · 12555 阅读 · 6 评论 -
知识图谱(二)——知识表示
知识应用难点在于知识推理,知识推理的难点在于知识表示。一、经典知识表示理论1、逻辑根据复杂性从弱到强:命题逻辑(propositional logic)、一阶谓词逻辑、高阶逻辑。(1)命题逻辑定义了具有真假值的原子命题,并可通过与(⋀\bigwedge⋀)、或(⋁\bigvee⋁)、非只要推论是真,命题就一定为真;推论为假的时候,看假设是否与推论的真值一致,一致的话,命题为真,不一致的...原创 2019-07-17 17:02:06 · 2252 阅读 · 0 评论 -
知识图谱(三)——知识体系构建和知识融合
知识图谱不仅包含具体的实例知识数据,还包括对知识数据的描述和定义。该部分对数据进行描述和定义的“元”数据被称为知识体系(Schema)或本体(Ontology)。知识融合主要方法:框架匹配和实例对齐。一、知识体系构建1、概述知识体系包含三方面的核心内容:概念的分类概念属性的描述概念之间相互关系知识体系的基本形态包含五个层次(难度升序):词汇(Terms)、概念(Concepts...原创 2019-07-23 10:56:16 · 7722 阅读 · 0 评论 -
知识图谱(四)——实体识别和扩展
实体是知识图谱的基本单元,也是文本中承载信息的重要语言单位。按照国际公开评测(automatic content extraction, ACE)的定义,在文本中对实体的引用(entity mention,或称“指称项”)可以有三种形式:命名性指称、名词性指称和代词性指称。例如:[中国]乒乓球男队主教练][刘国梁]出席了会议,[他]指出了当前经济工作的重点。实体概念“刘国梁”的指称项有三...原创 2019-07-26 09:41:27 · 4183 阅读 · 0 评论 -
知识图谱(五)——实体消歧
一、任务概述多样性——同一实体在文本中会有不同的指称。eg:飞人、帮主、老大和MJ都指美国篮球运动员迈克尔·乔丹歧义性——相同的实体指称在不同的上下文中可以指不同的实体。eg:迈克尔·乔丹指美国篮球运动员、爱尔兰政治家等1、任务定义实体消歧,定义为六元组。此处实体指的是命名实体。M=N,E,D,O,K,δM=N,E,D,O,K,\deltaM=N,E,D,O,K,δN=n1,n2,....原创 2019-07-28 17:04:38 · 20206 阅读 · 4 评论 -
知识图谱(六)——关系抽取
如何从结构化或非结构化文本中识别出实体之间的关系是知识图谱构建的核心任务之一。一、任务概述1、任务定义关系抽取:自动识别实体之间具有的某种语义关系。根据参与实体的数量可分为二元关系抽取和多元关系抽取。二元关系抽取是其他关系抽取研究的基础,所以本文关注二元关系抽取(两个实体之间的语义关系),得到 (arg1,relation,arg2)三元组。eg:(中国,首都,北京)2、任务分类...原创 2019-07-30 10:27:45 · 11017 阅读 · 3 评论 -
知识图谱(七)——事件抽取
一、任务概述1、事件的定义没有统一的定义,在知识图谱领域,自动内容抽取(ACE)评测会议中对事件的定义如下:事件是发生在某个特定的时间点或时间段、某个特定的地域范围内,由一个或多个角色参与的一个或多个动作组成的事情或状态的改变。2、事件抽取的定义研究:如何从描述事件信息的文本中抽取出用户感兴趣的事件信息并以结构化的形式呈现出来。重点在从非结构化文本中进行事件抽取。过程:首先从非结构...原创 2019-08-10 10:31:32 · 8863 阅读 · 2 评论 -
知识图谱(八)——知识存储和检索
背景知识图谱是一种有向图结构,描述了现实世界存在的实体、事件或者概念以及它们之间的关系,为自动问答、信息检索等应用提供支撑。其中,图中的节点表示实体、事件或概念,图中的边表示相邻节点间的关系,如下图所示。每一个节点表示一个实体,每个实体都是某一抽象概念的实例。这些抽象概念被称为实体类型,如:人物、城市等。实体除了具有类型信息,还具有丰富的属性信息(蓝色部分),这些属性信息用于刻画实体的内...原创 2019-08-11 23:15:41 · 6772 阅读 · 1 评论 -
【知识图谱】知识图谱概论
文章目录一、知识图谱与语义技术概述应用二、典型知识图谱三、知识图谱技术概览1、技术体系2、知识表示(1)RDF:Triple-based Assertion model(2)RDF Graph:Directed Labeled Graph(3)RDFS:Simple Vocabulary and Schema(4)RDF的序列化格式(5)OWL:Web Ontology Language3、知识存...原创 2019-08-19 16:26:56 · 1273 阅读 · 0 评论 -
【知识图谱】知识表示与知识建模
文章目录一、早期知识表示简介1、知识分类2、早期知识表示方法二、基于语义网的知识表示框架1、语义网(Semantic Web)2、RDF(1)RDF(2)RDF空白节点(Black Nodes)(3)RDF是数据类型,不是序列化格式(4)注意(5)变种:带标注RDF一、早期知识表示简介1、知识分类作用范围:常识性知识、领域性知识作用及表示:事实性知识、过程性知识、控制知识确定性:确定性...原创 2019-08-20 22:23:37 · 4414 阅读 · 0 评论 -
【知识图谱】知识存储
文章目录一、图数据库1、概述2、开源数据库介绍(1)[RDF4J](https://rdf4j.eclipse.org/)(2)[gStore](http://www.gstore-pku.com/pcsite/index.html)3、商业数据库介绍(1)[Virtuoso](https://virtuoso.openlinksw.com/)(2)[Allgrograph](https://fr...原创 2019-09-01 15:50:18 · 2441 阅读 · 0 评论 -
【知识图谱】知识抽取与挖掘(I)
文章目录一、知识抽取任务定义和相关比赛1、知识抽取任务定义2、知识抽取的技术与难点3、知识抽取的子任务(1)知识抽取 的 子任务4、相关竞赛与数据集二、面向非结构化数据的知识抽取1、实体抽取2、实体识别与链接3、关系抽取(1)基于模板的方法a、基于触发词的Patternb、基于依存句法分析的Patternc、小结(2)基于监督学习方法a、基于机器学习的方法b、基于深度学习的方法c、小结(3)基于半...原创 2019-08-30 10:46:58 · 3649 阅读 · 0 评论 -
【知识图谱】知识抽取与挖掘(Ⅱ)
一、面向文本的知识抽取1、DeepDive关系抽取实战(1)预备知识KBC系统2、开放域关系抽取(1)信息抽取(IE)概述IE的发展趋势主要系统传统IE和OpenIE互相补充:可以按当前知识库的规范数据,链接更多网络数据。OpenIE所得到的三元组可以用扩充知识库。(2)信息抽取(IE)系统发展① 第一代OpenIE系统TextRunner抽取特征:NER、P...原创 2019-08-31 15:30:21 · 2599 阅读 · 1 评论 -
【知识图谱】知识融合
文章目录一、知识融合1、基本概念2、数据层的知识融合(1)不同KG的知识融合(2)不同知识库的知识融合(3)不同来源数据的知识融合(4)知识在线融合3、Schema层的知识融合4、技术及其挑战5、相关比赛——OAEI二、知识融合的基本技术流程1、基本技术流程2、数据预处理3、记录链接(1)属性相似度① 编辑距离② 基于集合相似度③ 基于向量的相似度(2)实体相似度① 基于聚合的方法② 基于聚类的方...原创 2019-09-02 17:21:10 · 13578 阅读 · 0 评论 -
【知识图谱】知识推理
文章目录一、本体知识推理简介1、OWL本体语言(1)OWL本体语言概述(2)描述逻辑一、本体知识推理简介1、OWL本体语言(1)OWL本体语言概述OWL的特性:OWL本体语言是知识图谱中最规范(W3C制定)、最严谨(采用描述逻辑)、表达能力最强(是一阶谓词逻辑的子集)的语言;它基于RDF语法,使表示出来的文档具有语义理解的结构基础。促进了统一词汇表的使用,定义了丰富的语义词汇。允...原创 2019-09-03 23:33:03 · 4380 阅读 · 0 评论 -
【知识图谱实战】 Neo4j入门与示例
文章目录一、Neo4j介绍1、安装(1)安装Java JRE(2)安装Neo4j知识图谱中的每一条数据或事实一般会采用 <实体,属性,属性值>、<实体, 关系, 实体> 的三元组形式来表示。Neo4j 是目前最流行的图形数据库,支持完整的事务,在属性图中,图是由顶点(Vertex),边(Edge)和属性(Property)组成的,顶点和边都可以设置属性,顶点也称作节点,边...原创 2019-09-06 16:31:00 · 12279 阅读 · 5 评论