《人工智能通识》5.1知识图谱能干什么

第5章人工智能怎么“思考”【学习目标】1.了解知识图谱的概念及其在生活中的应用；2.了解运用知识图谱技术相关应用的机理；3.应用可视化编程工具实现运用知识图谱技术的典型应用；4.关注知识工程领域相关应用的发展。导言人类能够依据关系图快速获取文字信息以及谁与谁之间有什么关系，再根据自己的认知用语言表述出关系图内容。举个例子，通过下图，我们可以得到什么信息，以及总结出什么结论？导言人类可以得到这些信息：马克思是近代伟大的无产阶级革命思想家，他创立了马克思主义学说，开创了国际共产主义运动，指引着世人实现共产主义理想，是伟大的精神领袖。根据信息，我们又可以得出结论：马克思在实现共产主义伟大革命的舞台上有很大的影响力。导言这是人类根据自己的个人认知储备，结合简图所得到的信息，那么计算机又是如何通过知识图谱去推导思考得出结论的？根据业务需求：了解马克思是个什么样的人，去构建知识图谱，之后完成实体识别、三元组抽取、实体消歧、知识补全的过程，最后利用深度学习提取特征，把相关的特征输入深度神经网络，输出特征向量，计算机最后通过对特征向量进行计算推导出结果。本章将与同学们一同学习知识图谱这一人工智能领域的相关应用。5.1知识图谱能干什么第5章人工智能怎么“思考”概念知识图谱本质上是一种大型的语义网络，它旨在以结构化的形式描述客观世界中概念、实体间的复杂关系，将互联网的信息表达成更接近人类认知世界的形式。知识图谱由节点和边组成。节点可以是实体，如一个人、一支笔，或是抽象概念，如信息技术、5G网络等。边可以是实体的属性，如年龄、长度，或是实体之间的关系，如亲属、师生。概念知识图谱于2012年由谷歌提出并成功应用于搜索引擎，知识图谱技术是指知识图谱建立和应用的技术，是融合认知计算、知识表示与推理、信息检索与抽取、自然语言处理与语义Web①、数据挖掘②与机器学习等交叉研究，属知识工程的研究范畴，人工智能重要研究领域。小贴士①语义网，是计算机业和互联网业对网络下一阶段发展所作出的术语化定义，其基本含义即基于网络建立任何微小数据的连接，这种连接不仅仅局限于网页。这样一来，任何微小的数据都可以与其他信息进行“沟通”。②数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示三个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。数据挖掘的任务有关联分析、聚类分析、分类分析、异常分析、特异群组分析和演变分析等。研究领域知识图谱研究领域主要有知识表示与建模、知识获取、知识融合、知识图谱查询推理及知识图谱应用五个子领域。应用领域作为一种应用型技术，知识图谱支撑很多行业中的具体应用，例如：信息检索、自然语言理解、问答系统、推荐系统、电子商务系统、金融风控、公安刑侦、司法辅助、教育医疗等，得益于大规模网络和知识图谱，由数十亿级的实体数据达到的千亿级的实例关系使得人工智能更加懂得人类想要什么。应用领域下面我们就来看看，近年来知识图谱应用较热门的行业。应用领域一、金融风控反欺诈的应用知识图谱在金融行业里面比较典型的应用就是风控反欺诈。通过知识图谱得到的信息对借款人和借款风险进行评估。通过知识图谱可以进行信息的不一致性检查，根据实体间关系检测评估借款人是否可能存在欺诈行为。如右图知识图谱所示，借款人张某和借款人李某，来自不同公司，在图谱中却指向了同一个公司的座机号码，这与借款人提供的信息存在差异，审核人员此时就要注意了，当中可能就存在欺诈的风险。金融风控

反欺诈在金融行业中，知识图谱还可以帮助实现静态异常检测，如下图知识图谱所示，图中的各个节点表示借款人，他们之间原本的联系非常少，分布松散（左图），突然在某一个时间段节点间的联系突然紧密了起来，分布密集（右图），这时同样需要提高警惕，这几个借款人很有可能就是来自同一个诈骗组织。金融风控

反欺诈除此之外，知识图谱还能帮助我们寻找失联的借款人，如下图，客户王某是银行的贷款客户，已经逾期还款一个月，通过本人联系方式和直接联系人都无法找到王某，这时在知识图谱上我们可以通过王某的二级联系人或三级联系人，再通过他们尝试找到王某。思考不一致性检查还可以应用到什么行业的实际案例中去？应用领域二、语义搜索语义搜索区别于传统的搜索，它的本质是通过数学来得到当今搜索中使用的猜测和近似，并为词语的含义以及它们如何关联到我们在搜索引擎输入框中所找的事物引进一种清晰的理解方式。有了知识图谱帮我们构建语义模型，搜索引擎可以基于语义的文档检索系统为我们提供更准确的信息。如右图，在搜索引擎中搜索“广州的温度”，这个“温度”其实是通过了语义转换变成“天气”才返回的结果，结果显示是很直接的数据，并且出现在了第一条，显然是我们想要的结果。小贴士潜在语义索引并不依赖于语言，所以SEO和搜索引擎优化虽然一个是英语，一个是中文，但这两个词大量出现在相同的网页中，虽然搜索引擎还不能知道搜索引擎优化或SEO指的是什么，但是却可以从语义上把“SEO”，“搜索引擎优化”，“searchengineoptimization”，”SEM”等词紧紧的连在一起。语义搜索再比如，搜索“广州美食”，结果如右图，第一条结果罗列出了广州的各种特色小吃，第二条则显示了在广州旅游必看的美食攻略，很显然，搜索引擎理解了我们的意思，或者是猜到了我们的意图，一般会搜索某个地方的景点、美食，说明这个人很可能会前往该地旅游，所以搜索引擎提供了你想要的攻略，而不需要你再进行“广州美食攻略”这一次搜索的进行。讨论你用过的搜索引擎中，哪一个搜索引擎更懂得你提问的问题？应用领域三、推荐系统大数据时代，各类信息资源琳琅满目，得益于知识图谱这个大知识库，分类型分领域推荐相关信息已经得以实现。在电商行业中，给家庭主妇和在校学生推荐的商品显然是不一样的；短视频APP同理，小孩子喜欢看动画片，老人家喜欢看连续剧，而年轻人则喜欢旅游、生活、娱乐的内容，平台会根据用户的群体、兴趣爱好有针对性地推送不同的内容。利用知识图谱可以在各领域实现个性化推荐，有了知识图谱以后，我们可以从基于行为的推荐，发展到行为跟语义相融合的智能推荐。按照不同类型的推荐，可分为场景化推荐、任务型推荐、跨领域推荐和知识型推荐。推荐系统场景化推荐如下图所示，用户在某购物平台购买了防晒霜，因为防晒霜在海岛度假产品分类内，即存在用户可能要去海岛度假的可能，所以根据场景平台可以给用户推荐海岛度假会使用到的物品，如泳衣、沙滩帽、游泳圈等。小贴士【思考】一个好的推荐系统需要满足怎样的功能？一个好的推荐系统，可以实现三方共赢，即：①让用户更快更好的获取到自己需要的内容。②让内容更快更好的推送到喜欢它的用户手中。③让网站或平台更有效的保留用户资源。推荐系统任务型推荐可以理解为，由一件物品推导出该用品可能被用来完成什么任务，再根据完成任务所需哪些物品，向用户精准推荐这些相关物品。如用户在平台上购买了一支散热硅脂，那他可能刚好在组装一台电脑，这时平台就可以推荐组装电脑时可能需要用到的螺丝刀、散热器、数据线和硬盘槽等。推荐系统跨领域推荐是指两个不同领域的平台之间，可以根据用户在各自平台上发布的内容，通过人工智能进行相关联推荐。如图所示，在社交平台的首页有时会收到电商平台的广告推送，并且该广告是和你之前在社交平台发布的内容相关的，或是你浏览过的其他你感兴趣的微博图片或视频里的内容相关的，这是因为有知识图谱帮助做语义理解，不同的平台领域才能通用某些数据，实现跨领域推荐。思考生活中有哪些应用也有智能的推荐系统？请举例分享。评价反思1.学习评价根据学习任务的完成情况，对照下表中“观察点”列举的内容进行自评或互评，并在对应的表格内下打“√”观察点完全

掌握基本

掌握尚未

掌握理解知识图谱的概念

了解知识图谱在生活中的应用

能辨别应用知识图谱实现的人工智能实例

评价反思2.学习反思回顾与反思简要描述知道了什么？

理解了什么？

能够做什么？

完成得怎么样？

还存在什么问题？

如何做得更好？

巩固提升1.下面哪家公司最先提出知识图谱的概念？（） A百度B谷歌C微软D华为2.以下哪个选项不是知识图谱应用领域的？