《人工智能技术及应用》课件-第10章知识表示单元-知识图谱

时间：2020-9-8知识表示单元——知识图谱第10章知识图谱应用场景知识图谱基本原理知识图谱演化10.110.210.310.1知识图谱演化专家系统1语义网络2描述逻辑310.1知识图谱演化语义Web4知识图谱诞生5专家系统最重要的两部分是：知识库与推理机。它根据一个或者多个专家提供的知识和经验，通过模拟专家的思维过程，进行主动推理和判断，解决问题。专家系统1①结构性：以节点和弧形式把事物属性以及事物间的语义联想显式地表示出来。②联想性：作为人类联想记忆模型提出。③自然性：直观地把事物的属性及其语义联系表示出来，便于理解，自然语言与语义网络的转换比较容易实现。语义网络2优点①非严格性：不能保证不存在二义性。②处理上的复杂性：语义网络表示知识的手段多种多样，虽然灵活性很高，但同时也由于表示形式的不一致使得对其处理的复杂性提高，对知识的检索也就相对复杂。缺点描述逻辑=语义网络+推理上世纪90年代，随着互联网兴起，开始把描述逻辑用互联网的语言来重新表征，有人用HTML，也有人用XML，再后来经过W3C的综合汇总与进一步协调，合并了一个新的语言叫OWL（本体描述语言）。研究学者认为OWL是描述这个世界非常好的一种工具，因为它对于机器处理是非常友好的，所以我们就希望把它放到互联网上去，让更多人用到，但是这个设想后来并没有实现。到了2006年前后遇到了瓶颈：没有人真的去产生这样的数据，因为大多数日常场景根本用不到。由此产生了两派不同的人不断进行争论：语义Web、RDF。描述逻辑3RDF的本质就是三元组，主语、谓语、宾语。他们认为，万事万物各种复杂的关系最后都被拆分成三元组。RDF是一个没有语义的元数据框架，它和前面提到的描述逻辑不同，描述逻辑是从实验室里来的，它想构建一个庞大的体系，一个完美的知识表现语言，然后再寻求落地。而RDF从一开始就是一个从实践出发、自底向上的语言。我们日常生活中所遇到的绝大多数网站，都有着某种类型的元数据，其中相当一部分就是用RDF的不同变种来实现的。所以RDF总得来说是一个比较成功的技术，因为它来自于现实的实践基础。描述逻辑3语义Web4TimBerners-Lee2016年图灵奖得主万维网、语义网之父，提出语义Web奠基人Web1.0，是以编辑为特征，网站提供给用户的内容是网站编辑进行编辑处理后提供的，用户阅读网站提供的内容。这个过程是网站到用户的单向行为，web1.0时代的代表站点为新浪，搜狐，网易三大门户，强调的是文档互连。Web1.0Web2.0强调用户生成内容，易用性，参与文化和终端用户互操作性。Web2.0语义Web4Web3.0是以主动性、数字最大化、多维化等为特征的，以服务为内容的第三代互联网系统，目前只是概念，强调的是个性网页。Web3.0

从实践中总结的方法要优于从顶向下设计的方法。简单的优于强大的，太过复杂的比如OWL最终用不起来，反而比较简单的像RDF、最近比较火的JSON‑LD用得越来越多。越简单越好，这就是知识图谱火起来的原因。知识图谱诞生5认知智能是人工智能的高级目标10.2.1知识图谱概念10.2.2知识图谱模型10.2.310.2知识图谱基本原理知识图谱特点10.2.4知识图谱分类10.2.5认知智能是人工智能的高级目标1知识图谱概念2知识图谱用节点和关系所组成的图谱。知识图谱以结构化三元组的形式存储现实世界中的实体以及实体之间的关系，表示为G=(E,R,S),其中E=(e1,e2,…,e|E|)表示实体集合；R=(r1,r2,…,r|R|)表示关系结合；S包含于E×R×E表示知识图谱中三元组的集合。定义为真实世界的各个场景直观地建模，运用“图”这种基础性、通用性的“语言”，“高保真”地表达这个多姿多彩世界的各种关系，并且非常直观、自然、直接和高效，不需要中间过程的转换和处理。作用①实体:具有可区别性且独立存在的某种事物。②类别：主要指集合、类别、对象类型、事物的种类。③属性、属性值：实体具有的性质及其取值。④关系：不同实体之间的某种联系，术语

知识图谱=知识本体（Ontology）+知识实例（Instance）。知识本体表达的是实体之间层次关系，知识实例表达的是实体之间语义关联。知识图谱模型3知识图谱特点5传统数据库通常通过表格、字段等方式进行读取，而关系的层级及表达方式多种多样，且基于图论和概率图模型，可以处理复杂多样的关联分析，满足企业各种角色关系的分析和管理需要。表达力强基于知识图谱的交互探索式分析，可以模拟人的思考过程去发现、求证、推理，业务人员自己就可以完成全部过程，不需要专业人员的协助。类人分析图式的数据存储方式，相比传统存储方式，数据调取速度更快，图库可计算超过百万潜在的实体的属性分布，可实现秒级返回结果，真正实现人机互动的实时响应，让用户可以做到即时决策。高速反馈利用交互式机器学习技术，支持根据推理、纠错、标注等交互动作的学习功能，不断沉淀知识逻辑和模型，提高系统智能性，将知识沉淀在企业内部，降低对经验的依赖。知识学习知识图谱分类6①面向语言知识图谱：WordNet：155,327个单词，同义词集117,597个，同义词集之间有22种关系链接。②事实性知识图谱：Cyc：23.9万个实体，1.5万个关系属性，209.3万个事实三元组；Freebase：4000多万实体，上万个属性关系，24多亿个事实三元组；DBpedia：400多万实体，48,293种属性关系，10亿个事实三元组；YAGO2：960万实体,超过100个属性关系，1亿多个事实三元组；互动百科：800万词条，5万个分类。通用KG①K