你所在的位置: 首页 > 正文

知识图谱是什么?

2019-08-12 点击:1287

  人人都是产品经理2天前我要分享

知识地图最初是由Google提出的,目的是优化搜索引擎。推出后,它引起了业界的轰动。后来,其他搜索公司也推出了他们的知识地图。今天知识地图的发展不仅适用于搜索行业,也适用于人工智能的基本功能。那么知识地图是什么?有什么能力?如何申请?这就是本文想要讨论的内容。

01什么是知识地图

边缘是实体和实体之间的“关系”,知识图本质上是语义网络。

实体是指现实世界中的事物,例如人,地名,公司,电话,动物等;关系用于表示不同实体之间的某种联系。

从上图中,我们可以看到该实体有一个地名和一个人;大理属于云南,小明住在大理,小明和小秦都是朋友,这些都是实体和实体的关系。

流行定义:知识地图是一种将各种信息连接在一起的关系网络,因此知识地图提供了从“关系”角度分析问题的能力。

如果我们在百度搜索“Jay Jay的妻子”,搜索结果不是周杰伦,而是直接返回昆明的信息卡。为什么?

因为基础知识地图已经与周杰伦和昆灵有关系,所以可以理解你正在寻找昆灵,而不是周杰伦,这也表明知识地图有能力理解用户的意图。

02知识图谱构建的关键技术

在构建知识地图的过程中,最重要的一步是从不同的数据源中提取数据,然后根据一定的规则将其添加到知识地图中。此过程称为知识提取。

结构化数据和非结构化数据。

结构化数据处理得更好,难点在于处理非结构化数据。非结构化数据的处理通常需要使用自然语言处理技术:实体命名识别,关系提取,实体统一和参考消化。

让我们先来看看这个文本变成知识地图的方式的结果:

上图左侧的副本是非结构化文?臼荩枰ü幌盗屑际踅写恚宰晃也嗟闹兜赝肌>咛迦绾问迪炙乱桓鎏致邸?

提取文本中的实体并对每个实体进行分类或标记,例如文章“1984年12月30日”中的“时间”类型; “克利夫兰骑士队”和“迈阿密热火队”作为“球队”型,这个过程就是实体名称。

关系提取是一种用于提取实体之间关系的技术。它主要是基于文本中的一些关键词,如“天生”,“在”,“转移”等,我们可以判断詹姆斯和俄亥俄州的位置。国家,迈阿密热火等实体之间的关系。

在文本中,同一实体可能有不同的写作方式。例如,“LBJ”是James的缩写。因此,“LeBron James”和“LBJ”指的是同一个实体。实体统一是一种处理此类问题的技术。

引用解体与实体统一类似,是处理同一实体的问题。例如,文中的“他”实际上是指“勒布朗詹姆斯”。因此,要引用解决方案的目的是找出哪些代词被引用到哪个实体。

指消化和实体统一是知识提取的一个难点。

03知识地图的存储

存储知识地图有两种主要方式:一种是基于RDF的存储;另一种是基于图形数据库存储。

RDF的一个重要设计原则是易于分发和共享数据。此外,RDF以三重形式存储数据,不包含属性信息。

图数据库主要关注有效的图查询和搜索。通常,属性图是基本表示,因此实体和关系可以包含属性。

知识图片的存储方法的内容更专业,没有实际操作就很难理解。因此,我不会在这里讨论。每个人都知道知识地图有这样的内容。如有必要,您可以自己学习。

下面我们重点介绍金融领域知识图片的一些应用。

04知识图谱在金融领域的应用

知识地图在各行业中的应用相对普及,具有非常重要的地位。下面我们将与您讨论知识地图在金融领域的一些应用,我希望通过这些例子给您一些启发。

假设一家银行想借钱给一个人。您如何判断此人是真实用户还是欺诈者?

我们需要以人为本,开发一系列数据结构,如基本用户信息,贷款记录,工作信息,消费记录,行为记录,网站浏览记录等。将此信息集成到知识地图中。因此,整体预测和评分,用户欺诈行为的概率。当然,这种预测需要机器学习才能获得合理的模型。该模型可以包括消费记录的权重,网站浏览记录的权重等。

例如,两个不同的借款人填写了相同的电话号码,这意味着两个人中至少有一个是可疑的。这时,有必要注意它。

更复杂的是,可能有必要通过某种关系来推理知识地图。例如,“借款人”是与小明和小秦的母子关系。根据推理,小明和小秦应该是兄弟,知识地图显示了朋友的关系。可能存在异常,因此也需要集中注意力。注意。

如果借款人通过知识地图失去联系,是否可以联系他的朋友,兄弟,甚至兄弟的妻子来追踪失踪的人。

因此,在失去联系的情况下,知识地图可以挖掘失败者的更多联系人,从而提高收集效率。

如左图所示(注意箭头方向),小秦是大秦的儿子,大秦是老秦的儿子。从这种关系中,我们可以说小秦是老秦的孙子,因此可以做出知识。地图更完整。

如左图所示,小明正在腾讯工作,小秦也在腾讯工作。从这种关系中,我们可以推断小明和小秦是同事。

推理能力实际上是机器模仿人的重要能力,可以从现有知识中找到一些隐藏的知识。当然,这种能力与深度学习密不可分,随着深度学习的成熟,我相信知识地图的力量将变得越来越强大。

在这里,我介绍了知识地图的一些简单知识。在撰写本文的同时,我还参考了许多业内优秀文章。感谢您的无私分享。

《浅谈知识图谱基础》_我笑了_NSNirvana《“知识图谱”项目,需产品经理考虑的几点问题》_博斌_《【知识图谱】项目前期产品经理需要做哪些准备》_Jasmine《知识图谱的应用》_惠普大数据李文哲《干货|从零到一学习知识图谱的技术与应用》_李文哲《知识图谱及其变种在行业实践中的应用与思考》_中兴 - 陈虹收集举报投诉

知识地图最初是由Google提出的,目的是优化搜索引擎。推出后,它引起了业界的轰动。后来,其他搜索公司也推出了他们的知识地图。今天知识地图的发展不仅适用于搜索行业,也适用于人工智能的基本功能。那么知识地图是什么?有什么能力?如何申请?这就是本文想要讨论的内容。

01什么是知识地图

边缘是实体和实体之间的“关系”,知识图本质上是语义网络。

实体是指现实世界中的事物,例如人,地名,公司,电话,动物等;关系用于表示不同实体之间的某种联系。

从上图中,我们可以看到该实体有一个地名和一个人;大理属于云南,小明住在大理,小明和小秦都是朋友,这些都是实体和实体的关系。

流行定义:知识地图是一种将各种信息连接在一起的关系网络,因此知识地图提供了从“关系”角度分析问题的能力。

如果我们在百度搜索“Jay Jay的妻子”,搜索结果不是周杰伦,而是直接返回昆明的信息卡。为什么?

因为基础知识地图已经与周杰伦和昆灵有关系,所以可以理解你正在寻找昆灵,而不是周杰伦,这也表明知识地图有能力理解用户的意图。

02知识图谱构建的关键技术

在构建知识地图的过程中,最重要的一步是从不同的数据源中提取数据,然后根据一定的规则将其添加到知识地图中。此过程称为知识提取。

结构化数据和非结构化数据。

结构化数据处理得更好,难点在于处理非结构化数据。非结构化数据的处理通常需要使用自然语言处理技术:实体命名识别,关系提取,实体统一和参考消化。

让我们先来看看这个文本变成知识地图的方式的结果:

上图左侧的副本是非结构化文本数据,需要通过一系列技术进行处理,以转换为右侧的知识地图。具体如何实现它,下一个讨论。

提取文本中的实体并对每个实体进行分类或标记,例如文章“1984年12月30日”中的“时间”类型; “克利夫兰骑士队”和“迈阿密热火队”作为“球队”型,这个过程就是实体名称。

关系提取是一种用于提取实体之间关系的技术。它主要是基于文本中的一些关键词,如“天生”,“在”,“转移”等,我们可以判断詹姆斯和俄亥俄州的位置。国家,迈阿密热火等实体之间的关系。

在文本中,同一实体可能有不同的写作方式。例如,“LBJ”是James的缩写。因此,“LeBron James”和“LBJ”指的是同一个实体。实体统一是一种处理此类问题的技术。

引用解体与实体统一类似,是处理同一实体的问题。例如,文中的“他”实际上是指“勒布朗詹姆斯”。因此,要引用解决方案的目的是找出哪些代词被引用到哪个实体。

指消化和实体统一是知识提取的一个难点。

03知识地图的存储

存储知识地图有两种主要方式:一种是基于RDF的存储;另一种是基于图形数据库存储。

RDF的一个重要设计原则是易于分发和共享数据。此外,RDF以三重形式存储数据,不包含属性信息。

图数据库主要关注有效的图查询和搜索。通常,属性图是基本表示,因此实体和关系可以包含属性。

知识图片的存储方法的内容更专业,没有实际操作就很难理解。因此,我不会在这里讨论。每个人都知道知识地图有这样的内容。如有必要,您可以自己学习。

下面我们重点介绍金融领域知识图片的一些应用。

04知识图谱在金融领域的应用

知识地图在各行业中的应用相对普及,具有非常重要的地位。下面我们将与您讨论知识地图在金融领域的一些应用,我希望通过这些例子给您一些启发。

假设一家银行想借钱给一个人。您如何判断此人是真实用户还是欺诈者?

我们需要以人为本,开发一系列数据结构,如基本用户信息,贷款记录,工作信息,消费记录,行为记录,网站浏览记录等。将此信息集成到知识地图中。因此,整体预测和评分,用户欺诈行为的概率。当然,这种预测需要机器学习才能获得合理的模型。该模型可以包括消费记录的权重,网站浏览记录的权重等。

例如,两个不同的借款人填写了相同的电话号码,这意味着两个人中至少有一个是可疑的。这时,有必要注意它。

更复杂的是,可能有必要通过某种关系来推理知识地图。例如,“借款人”是与小明和小秦的母子关系。根据推理,小明和小秦应该是兄弟,知识地图显示了朋友的关系。可能存在异常,因此也需要集中注意力。注意。

如果借款人通过知识地图失去联系,是否可以联系他的朋友,兄弟,甚至兄弟的妻子来追踪失踪的人。

因此,在失去联系的情况下,知识地图可以挖掘失败者的更多联系人,从而提高收集效率。

如左图所示(注意箭头方向),小秦是大秦的儿子,大秦是老秦的儿子。从这种关系中,我们可以说小秦是老秦的孙子,因此可以做出知识。地图更完整。

如左图所示,小明正在腾讯工作,小秦也在腾讯工作。从这种关系中,我们可以推断小明和小秦是同事。

推理能力实际上是机器模仿人的重要能力,可以从现有知识中找到一些隐藏的知识。当然,这种能力与深度学习密不可分,随着深度学习的成熟,我相信知识地图的力量将变得越来越强大。

在这里,我介绍了知识地图的一些简单知识。在撰写本文的同时,我还参考了许多业内优秀文章。感谢您的无私分享。

《浅谈知识图谱基础》_我笑了_NSNirvana《“知识图谱”项目,需产品经理考虑的几点问题》_博斌_《【知识图谱】项目前期产品经理需要做哪些准备》_Jasmine《知识图谱的应用》_惠普大数据李文哲《干货|从零到一学习知识图谱的技术与应用》_李文哲《知识图谱及其变种在行业实践中的应用与思考》_中兴陈洪

日期归档
新皇冠国际 版权所有© www.pistachedoces.com 技术支持:新皇冠国际 | 网站地图