知识图谱初探思考

知识图谱核心到底是想表示什么关系?关联关系?逻辑相关性?推理关系?

大模型回答:知识图谱是一种用图谱模型来描述知识和模型世界万物之间的关联关系方法。它旨在从数据中识别、发现和推理事物与概念之间的复杂关系,是事物关系的可计算模型。

个人反驳:关联关系其实就是相关性,这种关系注意力就可以计算出来,只是建模成图形象一些,感觉没有说的那么高大上,计算事物关系也无非是计算相关关系,但更高级的关联应该是逻辑推理关系。(个人认为)

在一个人类知识图谱中,可以表示人与人之间的亲属关系工作关系等关联关系,也可以表示人的年龄、性别等属性,还可以表示人的职业、爱好等逻辑关系。同时,通过推理规则和算法,可以进一步推导出新的关系和知识,例如根据两个人的共同爱好,可以推断他们是朋友关系。

个人想法:这个亲属关系确实不是两者直接的相关关系,而是一种实体的“属性”的感觉,属性相似就可能是朋友,无非又是两者的特征比较相近,呈现某种相关关系,还是没啥区别啊,所谓的推理规则也比较含糊,本质相关关系也能够解决,只是知识图谱是一种可解释性的显示化表达。

为什么直线型的文本序列这种结构弱,不能够实现知识图谱的功能?可否定义其他的结构去实现知识图谱想实现的功能?

大模型回答:主要缺点就是不能表示一些实体的属性,其他感觉也没什么。

或许是想表示某种结构?思维结构? 但感觉特别复杂的思维结构也不是能用知识图谱所表达的,所以知识图谱的价值在哪里?

个人:总体感觉思维导图比知识图谱有用多了,思维导图至少有些信息,知识图谱就全是概念链接在一起,没啥东西,最多推断下实体间怎么怎么样,顶多用于辅助。

而且听几位搞知识图谱十多年的人说知识图谱没有前途,也不知道具体是不是能说明可能一开始就有一些方向性和根本性的问题?

大模型回答:知识图谱作为一项技术,其本身并没有方向性和根本性的问题。知识图谱是通过图谱的方式表示知识和关系,从而为人们提供更加全面和准确的信息。然而,知识图谱在应用过程中可能会遇到一些挑战和限制,这可能是一些人认为知识图谱没有前途的原因。
其中一些挑战和限制包括:

数据质量问题:知识图谱的数据质量直接影响到其应用的准确性和可靠性。然而,由于数据来源的多样性,数据质量往往难以保证,例如存在噪声、冗余、错误等问题。

构建和维护成本高:知识图谱的构建和维护需要大量的人力、物力和时间,特别是在大规模和复杂的应用场景下,这使得知识图谱的构建和维护成本相对较高。

语义理解和推理能力不足:知识图谱的语义理解和推理能力是其应用的关键。然而,目前的知识图谱技术在这方面还存在一定的限制,难以实现自然语言处理和语义推理的自动化。

跨领域应用的难度:知识图谱在某个领域的应用往往需要针对该领域的特定需求进行定制化开发,这使得跨领域应用的难度较大。

然而,这些问题并不代表知识图谱本身没有前途,而是指出了知识图谱在应用和发展中需要克服的一些挑战和限制。通过不断的研究和实践,我们可以逐步解决这些问题,使知识图谱在更多的领域中得到广泛应用和发挥其应有的价值。

你可能感兴趣的:(知识图谱,人工智能)