3.知识图谱概念和相关技术简介[知识抽取、知识融合、知识推理方法简述],典型应用案例介绍国内落地产品介绍。一份完整的入门指南,带你快速掌握KG知识,芜湖起飞

1. 知识图谱(KG)的概念

知识图谱(KG)得益于Web的发展(更多的是数据层面),有着来源于KR、NLP、Web、AI多个方面的基因。知识图谱是2012年后的提法,基础还是语义网和本体论。

知识图谱的本质包含:

  • 知识表示——Knowledge Representation
  • 基于知识表示的知识库——Knowledge Base
  • 知识库的来源:知识构建、知识抽取、知识融合
  • 知识库怎么用:语义搜索、知识问答
  • Web的视角:像建立文本之间的超链接一样,建立数据之间的语义链接,并支持语义搜索;
  • NLP视角:怎么从文本中抽取语义和结构化数据
  • KR视角:怎样利用计算机符号表示和处理数据
  • AI视角:怎样利用知识库来辅助理解人类的语言
  • DB视角:用图的方式去存储知识;

知识图谱由文本(Texts、Documents)的链接到对象(Objects)的链接。 知识图谱(KG)的作用:

  • 辅助搜索
  • 辅助问答
  • 辅助决策
  • 辅助AI:常识推理

3.知识图谱概念和相关技术简介[知识抽取、知识融合、知识推理方法简述],典型应用案例介绍国内落地产品介绍。一份完整的入门指南,带你快速掌握KG知识,芜湖起飞_第1张图片
知识图谱与深度学习的区别:人的大脑依赖所学的知识进行思考、逻辑推理、理解语言。 可以将深度学习和知识图谱比作是“聪明的AI”和“有学识的AI”。

  • 深度学习:主要是【学习】能力,通过强

你可能感兴趣的:(知识图谱,人工智能,知识融合,知识推理,实体抽取)