《人工智能概论》 课件 第7章知识图谱

第7章知识图谱——赵克玲本章目标了解知识图谱的基本概念以及知识架构理解知识图谱的基本原理了解知识图谱的表示方式及应用场景知识图谱引言LadyDianaFrancesSpencer计算机一直面临的困境：无法获取网络文本的语义信息。戴安娜知识图知识图谱在搜索引擎上的应用为提高搜索引擎的能力，改善用户的搜索质量、搜索体验，Google于2012年5月17日正式提出知识图谱（KnowledgeGraph）的概念。有知识图谱作为辅助，搜索引擎能够洞察用户查询背后的语义信息，返回更为精准、结构化的信息，更大可能地满足用户的查询需求。知识图谱定义知识图谱是Google用于增强其搜索引擎功能的知识库。本质上，知识图谱旨在描述真实世界中存在的各种实体或概念及其关系，其构成一张巨大的语义网络图，节点表示实体或概念，边则由属性或关系构成。

实体指的是具有可区别性且独立存在的某种事物。如某一个人、某一个城市、某一种植物等、某一种商品等等。世界万物由具体事物组成，这就是实体。实体是知识图谱中最基本的元素，不同实体之间存在不同的关系。知识类型的表示数据类型和存储方式

目前知识大量存在于非结构化的文本数据、大量半结构化的表格和网页以及生产系统的结构化数据中。构建知识图谱的主要目的是获取大量的、让计算机可读的知识。概括来说，知识图谱的原始数据类型一般来说有三类，也就是互联网上的三类原始数据：结构化数据、半结构化数据、非结构化数据。知识图谱的架构知识图谱的架构包括自身的逻辑结构以及构建知识图谱所采用的技术（体系）架构。知识图谱在逻辑上可分为模式层与数据层两个层次。数据层主要由一系列的事实组成，而知识将以事实为单位进行存储。用（实体1-关系-实体2）、（实体-属性-属性值）这样的三元组来表达事实，可选择图数据库作为存储介质。模式层构建在数据层之上，是知识图谱的核心，通常采用本体库来管理知识图谱的模式层。知识图谱的架构知识图谱的技术实现和应用场景

搜索引擎是现阶段最重要的互联网入口，也缔造了谷歌、百度等巨头企业。然而，基于关键字的搜索方式，缺乏语义理解，存在着与人的自然需求表达的隔阂，同时其返回的结果需要人消耗大量时间剔除无意义的信息。知识图谱是下一代搜索引擎、问答系统等智能应用的基础设施，目前出现的产品有：百度“贴心”、搜狗“知立方”等。1.搜索引擎和问答系统

精准问答：基于结构化数据的精准问答，可直接满足用户知识检索的需求。目前提供娱乐、人物、教育、影视、综艺、动漫、小说、文学作品等。推理运算：基于对知识图谱丰富的实体属性和边关系特征的计算、推理，获得检索答案。目前有日期历法、年龄差、身高差、时间时区差等分类。通用问答：基于深度学习的全领域通用事实性问答，通过Query解析、自由文本知识抽取和文本的深度理解技术，满足用户复杂问答需求。知识问答知识图谱在问答系统上的数据优势

（1）数据关联度-语义理解智能化程度高。（2）数据精度-回答准确率高。（3）数据结构化-检索效率高。知识图谱在行业中的典型应用

目前随着人工智能的不断发展知识图谱已经在搜索引擎、聊天机器人、问答系统、临床决策支持等方面有了一些应用

1.金融领域的应用-----反欺诈、智能投顾2.商业搜索引擎的应用3.问答系统、社交网络、电商平台的应用4.其他应用领域知识图谱在行业中的典型应用未来对知识图谱的展望知识图谱是知识工程的一个分支，以知识工程中语义网络作为理论基础，并且结合了机器学习，自然语言处理和知识表示和推理的最新成果，在大数据的推动下受到了业界和学术界的广泛关注。知识图谱对于解决大数据中文本分析和图像理解问题发挥重要作用。当前知识图谱发展还处于初级阶段，面临众多挑战和难题，如：知识库的自动扩展、异构知识处理、推理规则学习、跨语言检索等。知识图谱的构建是多学科的结合，需要知识库、自然语言理解，机器学习和数据挖掘等多方面知识的融合。有很多开放性问题需要学术界和业界一起解决。本章总结知识图谱旨在描述真实世界中存在的各种实体或概念及其关系。其构成一张巨大的语义网络图，节点表示实体或概念，边则由属性或关系构成三元组的基本形式主要包括（实体1-关系-实体2）和（实体-属性-属性值）等知识图谱在