知识图谱概述之笔记1
Posted 卖山楂啦prss
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了知识图谱概述之笔记1相关的知识，希望对你有一定的参考价值。
1 什么是知识图谱？
知识图谱是一种用图模型来描述知识和建模世界万物之间的关联关系的技术方法
【维基百科】知识图谱是Google用于增强其搜索引擎功能的知识库。本质上 知识图谱旨在描述真实世界中存在的各种实体或概念及其关系。其构成一张巨大的语义网络图，节点表示实体或概念，边则由属性或关系构成。现在的知识图谱已被用来泛指各种大规模的知识库。2012年有Google提出，“知识图谱本质是语义网络（semantic network）”的知识库，简单理解为多关系图（Multi-relational Graph）
知识图谱就是一个图模型，也叫做多关系图，由多种类型的节点和多种类型的边来组成，每个节点之间有很多错综复杂关系，本质上是语义网络。其中，节点可以是实体（比如一个人、一本书），也可以是抽象的概念（比如机器学习，推荐系统）。边可以是实体之间的关系（比如朋友、妻子），也可以是实体的属性（比如姓名、书名）。
知识图谱是人工智能的一个分支，最早的应用是提升搜索引擎的能力，如谷歌、百度，提供基于实体和关系的语义搜索，可以更好地理解用户查询。
知识图谱的一个重要作用就是它可以从关系的角度去分析问题，通过构建一个庞大的关系网络，把所有信息连接起来，做推荐、搜索、推理。例如百度就基于知识图谱，起的作用不止搜索，还有计算、推荐、联想。
语言和知识，参考：中国大学慕课
2 知识图谱的应用
知识图谱用的比较多的就是智能决策系统、推荐系统和智能问答系统，金融领域（反欺诈，风控模型）的经典应用
其他垂直领域也有广泛的应用，如医疗健康、电商、出版、农业、政府、电信、数字图书馆
引用图片：https://zhuanlan.zhihu.com/p/85556255
知识图谱在
- 辅助语义搜索（谷歌、百度等搜索引擎）
- 辅助智能问答（小爱同学、Siri、医疗智能问答助手、智能驾驶、智能家居）
- 辅助语义理解（“当一个人听到或看到一句话的时候，他使用自己所有的知识和智能去理解。这不仅包括语法，也包括他的词汇知识、上下文知识，更重要的，是对相关事物的理解”——Terry Winograd）
- 辅助大数据分析（金融领域知识图谱，辅助决策分析，文本处理：把知识图谱作为先验进行抽取实体和关系。知识图谱通过规范化语义融合多来源数据，并能通过图谱推理能力支持复杂关联数据的挖掘分析，因此在大数据分析领域也有广泛应用）
- 推荐计算（电商领域知识图谱）
- 辅助物联网设备互联
- 增强机器学习的可解释性
- 图卷积辅助图像分类
等多个领域发挥出越来越重要的作用。
3 知识图谱的技术流程
知识图谱不是单一的技术，是一个典型的交叉领域，做知识图谱需要建立系统工程思维，涉及到NLP、知识工程、机器学习(深度学习)、**图数据库(Neo4j)**等多个领域
3.1 知识图谱技术要素
更加清晰一点的如下：
技术内涵：基于图的知识表示
有向标记图是最简单、最接近自然语言和人脑认知的数据模型
RDF （资源描述框架）
技术内涵：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
技术内涵：知识抽取
从不同来源、不同结构的数据中进行知识提取，形成知识存入到知识图谱。
文本一般不作为知识图谱构建的初始来源，而多用来做知识图谱补全
技术内涵：知识图谱融合
技术内涵：知识图谱推理
作用：属性补全、关系预测、错误检测、问句扩展、语义理解
方法：基于符号逻辑的推理方法：OWL Reasoners，Datalog，Rete等、基于图结构或表示学习的推理方法：PRA，AMIE.TransE，Analogy，DeepPath、Neurallp等
技术内涵：知识图谱问答-KBQA
问句–》语义解析–》语义匹配、查询、推理《==》知识图谱
技术内涵：图算法与图神经网络
各种常用的图表示学习技术都可以用来对知识图谱作深入的挖掘与分析
例：阿里的商品知识图谱技术规划
4 知识图谱架构
5 数据库划分
以上是关于知识图谱概述之笔记1的主要内容，如果未能解决你的问题，请参考以下文章