知识图谱学习（二）（笔记整理）

知识图谱的整体架构：

构建知识图谱是一个迭代更新的过程，，每一轮迭代包含以下三个阶段：
1. 信息抽取：从各种类型的数据源中提取出实体、属性以及实体间的相互关系，在此基础上形成本体化的知识表达；
2. 知识融合：在获得新知识之后，需要对其进行整合，以消除矛盾和歧义，比如某些实体可能有多种表达，某个特定称谓也许对应于多个不同的实体等；
3. 知识加工：对于经过融合的新知识，需要经过质量评估之后（部分需要人工参与甄别），才能将合格的部分加入到知识库中，以确保知识库的质量。

信息抽取

信息抽取是一种自动化地从半结构化和无结构数据中抽取实体、关系以及实体属性等结构化信息的技术。信息抽取包括：实体抽取、关系抽取和属性抽取。

• 实体抽取，也称为命名实体识别（named entity recognition，NER），是指从文本数据集中自动识别出命名实体。

研究历史：从面向单一领域进行实体抽取，逐步跨步到面向开放域的实体抽取