知识图谱认知智能理论与实战----------第一章 知识图谱概述

一. 什么是知识图谱

• 知识图谱：是一种对知识间的关联进行建模的方法，目的是将这些关联关系的逻辑显示地表示出来。
• 三元组是知识图谱的基本元素，表达的是两个知识点之间的关系，因此被称为关系三元组。
• 它由三个部分组成，即 <实体，关系，实体>，基于位置，实体又可分为头实体和尾实体。eg：<水调歌头，谈及，苏轼>当中，水调歌头是头实体；苏轼是尾实体。
• 刻画一个知识点，不能仅仅用几个字来表示，而要从不同的维度来描绘，这些不同维度的描述信息被表示为实体属性。eg：<生日，1037年1月8日>、<性别，男>。对于这种属性，可以对他们进行拉平，形成形似三元组的格式，并被成为属性三元组。eg：<苏轼，生日，1037年1月8日>

二. DIKW模型

• DIKW模型，即数据(Data)、信息(Information)、知识(Knowledge)、智慧(Wisdom)。
  

• 数据是原始的、杂乱无章的，用来表示现实世界中抽象对的或具体的事物。

• 对数据加以清洗、治理、分析，并以一定结构组织起来，就形成了信息，其结果就体现为知识图谱中的实体。

• 信息与信息之间的关联比较弱，但信息自身层次结构和内容比较丰富，因此我们可以认为信息是一个个点状的知识-----知识点。

• 将信息进行连接，形成知识。即知识是由无数知识点及其关联关系所构成的网状形态表示。

• 知识相对于信息，以及信息相对于数据，处理完之后即形成知识图谱，有两个关键环节：

• 1.领域实践经验： 在实践中对数据或信息进行语义理解，抽象总结成能够为推理决策等思维活动所使用的内容，从杂乱无章到规则有序的过程。
  2.建立信息或知识点之间的连接，连接的关键取决于大脑的思维活动。大脑的思维活动体现为联想机制。

• 智慧表示的是对知识的应用，同时知识的应用往往还会产生新的知识，并且思维活动还会将产生的新知识加入已有的知识网络中。

三. 知识图谱技术体系

• 构建技术：
  映射式构建技术：结构化数据到目标知识图谱的构建技术
  抽取式构建技术： 非结构化到目标知识图谱的构建过程中用到的技术
• 知识融合：
  狭义的知识融合：对相同知识点的不同文字描述的融合。 eg：同义词，近义词…
  广义的知识融合：不仅需要满足狭义的知识融合要求，还需要融合多媒体、向量等表现形式。eg：目标的卡通样式、不同人对目标用不同语言进行朗读的声音。
• 应用技术：
  快应用：运算简单低能耗。
  慢应用：运算复杂且需要较多计算资源和能耗。

四. 知识图谱辨析

I. 知识图谱与自然语言处理

• 由于当前知识图谱中，知识的来源几乎都与文字有关，而处理文字的人工智能技术就是自然语言处理，所以很容易将二者混为一谈。
• 随着多模态知识图谱、脑科学与知识图谱、向量数据库、神经符号网络等有关的研究越来越多，越来越深，自然语言处理在知识图谱领域的比重会逐渐降低。

II. 知识图谱与图数据库

• 二者的关系相当于关系数据库和搜索引擎，会用关系数据库进行查询操作但不会将关系数据库看作是搜索引擎。
• 在实践中，知识图谱会用到图数据库，但知识图谱的核心还包括处理知识的语义关系，而这部分不是图数据库擅长的。

III. 知识图谱与语义网络

• 知识图谱是从语义网络衍生出来的，取其精华，去其糟粕。
• 语义网络是一种将知识与逻辑紧密结合的知识表示方式。

IV. 知识图谱与搜索引擎

• 搜索引擎致力于便捷获取，而知识图谱致力于基于知识的关联、推理和决策。
• 搜索引擎提供对非结构化数据的检索，而知识图谱则把非结构化数据当成数据的来源，系要经过抽取、萃取、关联和融合之后才能成为知识图谱的一部分。