1-知识图谱-概述和介绍

知识图谱：浙江大学教授 陈华军

知识图谱 1课时

http://openkg /datasets-type/

知识图谱的价值

知识图谱是有什么用？

语义搜索

问答系统

QA问答对知识图谱：结构化图

辅助推荐系统

大数据分析系统

自然语言理解

辅助视觉理解

例子：

知识图谱的技术内涵

login graph pure graph format graph

知识图谱技术要素 表示存储抽取融合推理问答分析其他 基于图的知识表示 有向标记图(Directed-Labled Graph)–最简单、最接近自然语言和人脑认知的数据模型 RDF代表Resource Description Framework(资源描述框架) 三元组表示： 主题：关系：对象 图数据存储与查询

图数据库充分利用图的结构建立微索引,这种微索引比起关系数据库的全局索引 在处理图遍历查询时更加廉价,其查询复杂度与数据集整体大小无关,仅正比于 相邻子图的大小。因此在很多涉及复杂关联和多跳的场景中得到广泛应用 图知识库不是知识图谱的必选方案

知识抽取

完全抽取高质量的知识无法做到，机器抽取+ 人工众包目前是构建知识构建的主流技术路线。

知识图谱融合

多个来源的数据实体或概念隐射到统一的命名空间。

两个层面：

本体概念层面：多个知识图谱中，同个本体的父子类关系融合实体层面： 同一个人，在不同数据集有不同的名称。

基于表示的方法 是当前实现知识图谱异构融合的主流技术

推理

目标：使用知识图谱中已知的关联关系或事实来推断位置的关系和事实 基于符号的推理方法： 具备可解释性。不易于处理隐含和不确定的知识

基于表示学习的方法： 主要优点：推理i效率高，能处理隐含的知识，但丢失了可解释性

问答

图算法和图神经网络

总结：建立知识图谱的系统工程观

数据-》算法-》工具-》形成系统