[Datawhale Camp] Task01- 知识图谱介绍

1.Intro

在 KDD 2018 中的 Tutorials 中一篇 Large-Scale Graph Algorithmics: Theory and Practice,提到:我们能够知识图谱,去找寻类似关键字在广告当中的模式、或是在Youtube当中共同观影者的行为表示…etc。并且,Google 也整理了复盖实践知识图谱的范畴:从构建图 (Graph Building) 、到运用标籤传播进行 Clustering、以及根据 PageRank 衡量节点重要性 (Centrality Scores/Ranking) 等。

在这里插入图片描述

在这里插入图片描述

Source: Large-Scale Graph Algorithmics: Theory and Practice

1.1 谈谈数据结构

图是由节点 (Node) 、边 ( Relationships)、属性 (Properties) 所构成。Neo4j 的官方图算法手册很好地以下图表现了 Dan 和 Ann 这对夫妻的关係,以及各自与车子的关係进行了表述。
1.Dan、Ann、Car 是下面这个视图中的三个实体,以节点表示。
2.各个节点当中有些他们的属性。
3.边的表示:Dan会开车、但Ann才是车的拥有者。
在这里插入图片描述
Source: Neo4j Graph Algorithms Book (O‘reilly)


1.2 生活中的知识图谱

在现实世界中,我们可以看到许多社交网络图、角色关係图,还有部分反欺诈案例的图以下面例子表示:

  1. 第一张是 Twitter名人的社交网络图彼此的连接关係,可以用社交网络的六度关係理论去理解:我的好友的好友的好友的好友的好友的好友…就会连接到 Elon Musk,也就是我跟 Elon Musk 之间只要透过边的连结,我这个实体就会连到 Elon Musk 这个实体。
  2. 第二张图是说明在整个网络当中,自然而然会有扮演连接不同实体的枢纽点(可以想像成扮演友谊桥樑的中介点)
  3. 建立在前两点的基础之上,第三张与第四张图是基于标籤传播想法,将一个大网络分成两个或以上不同的社区,进而达到分类/分群的目的。
    在这里插入图片描述
    (Source: 原图来自 Google Search )

1.3 考虑构建的图谱是否有稀疏性问题

然而在部分数据集当中,由于数据本身的信息有限,建立的图并无法产生如社交网络的密集的关係网络图,以我曾在 Kaggle 使用过的交易欺诈数据集为例 - Synthetic Financial Datasets for Fraud Detection,交易转出帐户多属于一次性交易,缺乏关联信息的

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值