知识图谱_知识图谱（一）

最近在做知识图谱方面的工作，刚刚接触，感觉还是比较有趣的，整理一下自己的所学吧。后面会持续更新这一个专栏。

什么是知识图谱？

知识图谱，本质上，是一种揭示实体之间关系的语义网络。

从定义上来看，是比较抽象的一个概念，下面我们来举个例子。

如果你看过网络综艺《奇葩说》第五季第17期：你是否支持全人类一秒知识共享，你也许会被辩手陈铭的辩论印象深刻。他在节目中区分了信息和知识两个概念：

• 信息是指外部的客观事实。举例：这里有一瓶水，它现在是7°。

• 知识是对外部客观规律的归纳和总结。举例：水在零度的时候会结冰。

“客观规律的归纳和总结” 似乎有些难以实现。Quora 上有另一种经典的解读，区分 “信息” 和 “知识” 。

有了这样的参考，我们就很容易理解，在信息的基础上，建立实体之间的联系，就能形成 “知识”。当然，我认为叫事实(Fact)更为合适。换句话说，知识图谱是由一条条知识组成，每条知识表示为一个SPO三元组(Subject-Predicate-Object)。

知识图谱的作用？

知识图谱的作用：

1、辅助搜索

2、辅助问答
3、辅助决策
4、辅助AI：常识推理

知识图谱的深度学习的区别：
人的大脑依赖所学的知识进行思考、逻辑推理、理解语言。
可以将深度学习和知识图谱比作是“聪明的AI”和“有学识的AI”。
1、深度学习：主要是【学习】能力，通过强大的计算能力，感知、识别、判断来进行学习。
2、知识图谱：主要是【推理】能力，通过已有的规则和知识，思考、语言、推理来进行学习。

知识图谱的构建

在github上找了一个开源的构建知识图谱的项目，实现了一下。

链接：https://github.com/lemonhu/open-entity-relation-extraction

这个项目所需要的环境是Python3.5以上，我装了Python3.6，并安装了下面两个包，

• jieba>=0.39

• pyltp>=0.2.1

在装pyltp这个包的时候我发现了一些问题，这个包的安装不能直接pip install pyltp 或者 conda install pyltp 

而是参考下面的方式安装这个包：

https://www.cnblogs.com/huiyichanmian/p/10844285.html

安装完毕就可以运行啦。

输入的数据是文本，里面包含了几个句子。

输出的数据将输入的句子编了号，并提取出了知识，存放在字典里。

我们来看一下输入和输出。

END新浪微博：@苏盏Esian哔哩哔哩： 丨日月星辰丨你的每个赞和在看，我都喜欢！