2024知识图谱在贝壳找房的实践_第1页
2024知识图谱在贝壳找房的实践_第2页
2024知识图谱在贝壳找房的实践_第3页
2024知识图谱在贝壳找房的实践_第4页
2024知识图谱在贝壳找房的实践_第5页
已阅读5页，还剩6页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

0今天分享的内容有四个方面，第一个介绍下知识图谱，第二个讲为什么“可以&要”在贝WordNet20062012Google属性-值<姚明+身+2.26米>，关系型<姚明+妻子+叶莉>。建⽴数据之间的语义链接、⽀持语义检索，第二个就是NLP视角，对⽂本进⾏结构化语义抽取。然后就是KR视角（知识表示），利用计算机的符号表示和处理知识。再者就是AI视角，利用知识图谱辅助理解人的语言，目前AI大部分是在垂直领域落地，会建立自己的知识库，帮助垂直领域人工智能的实施。DB视角，就是以图的方式存储知识。知识图谱展目前知识图谱应用场景分为两块，一种是通用领域，一种是垂直领域。通用领域如Google个维度数据：结构化和非结构化。结构化有楼盘字典，数据亿级实体，10搜索&推荐：提升用户的找房效率；数据可视化：分析用户行为，挖掘数据之间关联，智在智能搜索方面借助知识图谱AI+Web视角,提升搜索意图理解；在智能推荐方面利用知ESneo4jhdfs或者hiveIM构建本体库使用构建工具protégé，主要有三块，第一块是class，第二部分是objects，这是个关系型的属性，描述两个实体关系的属性。DatapropertyIM75%是于房屋详情问题、10%是约带看、6%是贷款、3%是推荐。右图是整体75%问题中top200175%IM智能助手房源详情检索架构，首先用户问了一个问题，经过NLU模块中的分词、然后NERDASQL，IM中还有关于知识的问答，但是会存在有些问题答案不匹配，不是很精准，那么如何解决howwhywhatepwhichA和实体B有什么区别。通过历史log随机抽样，符合三元组模式10%。whatevent，“怎么办”定义how上图是基于三元组的精准问答，分为onlineoffline。offline部分我们会离线的去从FAQ(FrequentlyAskedQuestions，常见问答库)里面做三元组的抽取和挖掘工作，将历FAQ中符合三元组的问题抽取出相应的三元组。Onlinequery去识WebNLPKRAIDB识图谱落地充分必要条件三个方面：数据+本体库+智能应用场景。贝壳找房中知识图谱落地，12.行业本体库：支持图谱数据构建+智

人人文库> 全部分类> 专业文献 > IT计算机

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论