第一章 概述
知识表示
知识表示决定了图谱构件的产出目标:知识图谱的语义描述框架(Description framework
)、Schema与本体(Ontology
)、知识交换语法(Syntax
)、实体命名及ID体系
知识图谱:词(Vocabulary
)、实体(Entity
)、关系(Relation
)、事件(Event
)、
术语体系(Taxonomy
)、规则(Rule
)
RDF 基本数据模型:三元组(Triple
) 基本逻辑结构:主谓宾 描述框架:实体、实体的属性、实体之间的关系
知识抽取
从 结构化数据库 获取知识:D2R工具
从 文本 获取知识(实体识别、关系抽取):
关系抽取方法 :
1. 基于特征模板的方法
2. 基于核函数的监督学习方法
3. 基于远程监督的方法
4. 基于深度学习的监督或远程监督方法
知识融合
模式层的融合:新得到的本体融入到已有的本体库中,新旧本体的融合
数据层的融合:实体的指称、属性、关系、所属类别
实体和关系(or 属性)元组的融合
实体消歧:聚类法
知识图谱补全与推理
基于本体推理的补全方法:基于描述逻辑的推理
、基于图结构和关系路径特征
、基于表示学习和知识图谱嵌入的链接预测
、文本信息
知识检索与知识分析
实现形式:语义检索、智能问答
知识图谱与数据库
知识图谱领域:RDF数据的三元组库(Jena) 语言:SPARQL
数据库领域:图数据库(管理属性图)
域:RDF数据的三元组库(Jena) 语言:SPARQL
数据库领域:图数据库(管理属性图)
仅为个人笔记上传存档