知识图谱课程学习-1-1知识图谱概论

人工智能流派：

    连接主义：感知，识别，判断->深度学习

    符号主义：认知，语言，知识->知识图谱

认知智能：

    语言理解+知识表示

知识：

    人类的自然语言，绘画，音乐，数学语言，物理模型，化学公式都是知识的表示形式。

    人类心智的最本质特征是获取、表示和处理知识的能力。

知识工程和专家系统

机器理解文本有两大路线：

    抽取技术：从文本中抽取实体、关系、复杂的逻辑结构等。

    文本预训练：BERT文本知识隐藏在向量中。

知识图谱：

    利用图结构建模、识别和推断事物之间的复杂关联关系和沉淀领域知识，是实现认知智能的重要基石。（结构化的知识表示形式）

深度学习对于知识的表示：

    自然语言：为每个词学一个向量表示。

    知识图谱：为每个实体和关系学习一个向量表示。

    图像视频：为每个对象学习一个向量表示。

通常把对象的向量化表示成为Embedding或Distributed Vector Representation

可以用神经网络进行知识推理。

总结：语言与知识的向量化表示以及利用神经网络实现语言与知识的处理是重要的人工智能技术发展趋势。