建议收藏深度好文!带你全面了解《知识图谱》

Posted ZSYL

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了建议收藏深度好文!带你全面了解《知识图谱》相关的知识,希望对你有一定的参考价值。

自然语言处理

自然语言处理发展历程(1)

50-60年代:自然语言处理研究领域是作为人工智能的应用发展起来的

  • 最早的自然语言理解方面的研究工作是机器翻译,20世纪 60年代,国外对机器翻译曾有大规模的研究
  • 普遍采用基于规则的方法,或者基于知识库的方法,在限定领域取得成功
  • 人们低估了自然语言的复杂性,在开放领域遇到很大的困难
  • 1966年,美国科学院语言自动处理咨询委员会公布了《语言与机器》,否定了机译的可行性

自然语言处理发展历程(2)

90年代开始:随着大规模词典和真实语料库的研制,给自然语言处理领域的研究带来了巨大变化

  • 基于语料库的统计自然语言学习成为一种重要的方法
  • 自然语言处理系统面向大规模真实文本的处理,研制的系统开始面向实用
    • 机器翻译:统计机器翻译
    • 信息抽取:系统并不要求能对自然语言文本进行深层理解,而是从中抽取一些有用信息,作为自然语言部分理解的一种形式
  • 统计自然语言学习方法受限于训练集的规模,过拟合问题严重,推广能力不足

自然语言处理发展历程(3)

近几年

  • 深度学习方法基于分布学习词语的语义,在自然语言处理的很多任务中取得了很好的效果。
    • 基于深度学习的自然语言处理方法
    • 神经机器翻译

随着Web2.0的普及,网络上积累规模巨大的User Generated Content,为建立大规模知识库奠定基础

  • 基于知识的方法在开放域自然语言处理处理任务中的应用成为可能

基于知识的方法和基于统计的方法的融合受到关注

知识图谱

知识图谱是一种基于图的数据结构,由节点(node)和(Edge)组成,每个节点表示一个“实体”,每条边为实体与实体之间的“关系”,知识图谱本质上是语义网络

知识图谱描述现实世界中存在的实体以及实体之间的关 系,已被广泛应用于智能搜索、智能问答、个性化推荐、内容分发等领域。


基本形式为(实体1-关系-实体2)、(实体-属性-属性值)。

  • 实体:有区别性且独立存在的事物。如某个国家:中国、英国等;某个城市:北京、伦敦等。
  • 属性值:实体指向的属性的值。例如中国(实体)面积(属性)960万平方公里(属性值)。
  • 关系:把图节点(实体、语义类、属性值)映射到布尔值的函数。






    知识图谱中的知识





典型的知识图谱

WordNet




Cyc

ConceptNet


FreeBase


https://developers.google.com/freebase

Wikipedia

Wikidata


https://www.wikidata.org/wiki/Wikidata:Main_Page

DBPedia

YAGO


https://www.mpi-inf.mpg.de/departments/databases-and-information-systems/research/yago-naga/yago/#c10444

NELL


OpenIE


https://openie.allenai.org/

ZhiShi.me

CN-DBPedia


http://kw.fudan.edu.cn/cndbpedia


BabelNet https://babelnet.org/



Google知识图谱













知识图谱应用



















知识图谱生命周期


领域知识建模





加油!

感谢!

努力!

以上是关于建议收藏深度好文!带你全面了解《知识图谱》的主要内容,如果未能解决你的问题,请参考以下文章

Unity开发OpenXR | OpenXR是什么?一文带你全面了解OpenXR的相关知识,上车收藏不迷路

Unity开发OpenXR | OpenXR是什么?一文带你全面了解OpenXR的相关知识,上车收藏不迷路

一文带你了解Nginx基础知识 | 建议收藏

预训练模型需要知道的知识点总结,万字长文带你深入学习(建议收藏)

❤三万字带你了解那些年面过的Java八股文建议收藏

一文带你了解知识图谱融入预训练模型哪家强?九大模型集中放送