06【基础课一人工智能辅助信息抽取】第三周第一节：知识图谱简介
文章目录
项目简介
知识图谱、信息抽取以及规则系统
基于机器学习的信息抽取系统
基于深度学习的信息抽取系统
信息抽取最新研究与展望
信息抽取实战经验与面试准备
内容简介
任务简介：了解信息抽取的基础知识
详细说明：
本节引入知识图谱的概念，介绍信息抽取进行知识图谱的基础知识。通过一个具体的比赛数据，介绍知识图谱构建与信息抽取问题的定义
知识图谱的概念、应用与构建
什么是知识图谱？
知识图谱里通常用“实体（Entity）“来表达图里的节点、用“关系（Relation）"来表达图里的“边”。
三元组一>（奥迪，德系，品牌）
知识图谱的应用
多用于搜索引擎，问答系统等。
htups:/magi.com/aggrch2g=迪丽热巴有多高
用户输入关键词，即可获取从互联网文本中自主学习到的结构化知识和网页搜索结果，每个结构化结果后面都会附上来源链接和其可信度评分。
什么是信息抽取
对于结构化与半结构化数据需要复杂表数据的处理与定义抽取的包装器等方式实现。
对非结构化的纯文本数据需要借助自然语言处理等技术来自动地提取出结构化信息。这个过程一般称为信息抽取。
信息抽取的主要任务
命名实体识别（Name Entity Recognition）
关系抽取（Relation Extraction）
实体统一（Entity Resolution）
指代消解（Coreference Resolution）
自然语言理解的本质
自然语言理解本质是结构预测。自然语言理解的众多任务，包括并不限于中文分词、词性标注、命名实体识别、共指消解、句法分析、语义角色标注等，都是在对文本序列背后特定语义结构进行预测。