知識圖譜：浙江大學教授 陳華軍

知識圖譜 1課時

http://openkg.cn/datasets-type/

知識圖譜的價值

知識圖譜是有什么用？

1. 語義搜索

2. 問答系統

   • QA問答對
   • 知識圖譜：結構化圖
     

3. 輔助推薦系統

4. 大數據分析系統

5. 自然語言理解

6. 輔助視覺理解

例子：

知識圖譜的技術內涵

login graph
pure graph
format graph

知識圖譜技術要素

1. 表示
2. 存儲
3. 抽取
4. 融合
5. 推理
6. 問答
7. 分析
8. 其他
   

基于圖的知識表示

1. 有向標記圖(Directed-Labled Graph)–最簡單、最接近自然語言和人腦認知的數據模型
   RDF代表Resource Description Framework(資源描述框架)
   三元組表示： 主題：關系：對象
   

圖數據存儲與查詢

圖數據庫充分利用圖的結構建立微索引,這種微索引比起關系數據庫的全局索引
在處理圖遍歷查詢時更加廉價,其查詢復雜度與數據集整體大小無關,僅正比于
相鄰子圖的大小。因此在很多涉及復雜關聯和多跳的場景中得到廣泛應用

圖知識庫不是知識圖譜的必選方案

知識抽取

完全抽取高質量的知識無法做到，機器抽取+ 人工眾包目前是構建知識構建的主流技術路線。

知識圖譜融合

多個來源的數據實體或概念隱射到統一的命名空間。

兩個層面：

1. 本體概念層面：多個知識圖譜中，同個本體的父子類關系融合
2. 實體層面： 同一個人，在不同數據集有不同的名稱。

基于表示的方法 是當前實現知識圖譜異構融合的主流技術

推理

目標：使用知識圖譜中已知的關聯關系或事實來推斷位置的關系和事實

基于符號的推理方法：
具備可解釋性。不易于處理隱含和不確定的知識

基于表示學習的方法：
主要優點：推理i效率高，能處理隱含的知識，但丟失了可解釋性

問答

圖算法和圖神經網絡

總結：建立知識圖譜的系統工程觀

1. 數據-》算法-》工具-》形成系統