知识图谱(历史回顾及技术挑战)

知识图谱的基础知识

什么是知识？

知识的形成分为下面四个部分，数字附上量纲信息结合生活尝试变成知识，如今天13度，直接穿件衣服就出去啦

知识的体系主要有陈述性知识和程序性知识，右侧游戏规则需要认为设置，AlphaGo Zero还是需要知识

10年谷歌提取出来，以前搜索主要是字符串匹配，后来谷歌将零散的信息结合起来，变成知识图谱

没有出现知识图谱之前，搜索爱因斯坦，会出现字符串匹配现象如下左图，右图是出现知识图谱之后，会出现信息卡片，爱因斯坦经历、名人等信息，Google提出应用

1、知识图谱历史回顾

主要三个时代：本体时代、语义网时代、知识图谱时代

本体时代：

本体是一个不同实体间共享的概念，例如家具，床、椅子，家具被人使用

知识图谱例子：

WordNet计算机可读的词典

自然语言处理中的基础组件

语义网时代：

互联网中的知识通过网页链接起来，语义网主要以RDF形式构建知识图谱

数据来源

知识图谱时代：

语义时代是以RDF形式构建知识图谱代表比较大，后来大家纷纷推出自己的知识图谱，以属性图管理的方式构建

知识图谱比较火的原因如下几条：1、机器学习成熟 2、图数据库成熟 3、行业成功案例涌现 4、自然语言处理技术成熟

 

小结：

知识图谱是一种实体之间关系的语义描述，形式化表示(如：RDF，RDFS,OWL)

实体(Entities)：

      真实世界对象(things,places,people)

      抽象概念(genres,religions,professions)

关系(Relationships)

      将实体按语义关系连接成一张大网

语义描述(Semantic descriptions)

      类别和属性

上面是按照时代发展角度来考虑知识图谱的，从技术角度来考虑知识图谱：

    人工构建知识图谱

          WordNet

          CYC

    基于Wikipedia的开放知识图谱

         Yago:Wikipedia + WordNet

         DBPedia:基于社区抽取Wikipedia结构化信息

         Wikidata、BabelNet

  基于文本抽取知识图谱

        NELL、Knowledge Vault、Probase

  领域知识图谱

       金融、公安等

现有知识图谱不足，对时空性的建模不足

2、知识图谱生命周期概述

知识图谱的生命周期

知识图谱技术生态

3、构建领域知识图谱的挑战

去做领域知识图谱构建

信息融合，数据融合需求迫切

个人服务和企业服务隐私等都有不同

我们需要：可自由扩展的数据模式

企业迫切需要将非结构化数据结构化

行业智能问答大幅降低数据使用门槛

基于事实图谱数据存储、融合、分析统一平台，为用户提供统一的消费入口，以不同的形态（检索、分析、可视化）展示给用户