本系列是學習七月算法知識圖譜課程的筆記。感覺自己完全就是一個托兒。前面七月算法機器學習，七月算法深度學習的筆記。現在又來了知識圖譜課程的筆記。

文章目錄

• 1 why知識圖譜
• 2 知識圖譜前世今生
• 3 知識圖譜相關技術
• 4 知識圖譜應用案例

1 why知識圖譜

沒有知識圖譜，計算機看到一個文字的時候只能是一個文字。例如看到“Magdalena Carmen Frida Kahlo y Calderón”，不能知道其中文名稱、簡稱、相關作品。

我們想要達到目標：things not strings

如果做到呢？深度學習+目前的知識圖譜。

見過大世面的AI：需要大量數據，不可解釋
知識淵博的AI：需要結構知識、推理邏輯，少量數據，可解釋
相結合之后：就是真實的AI
可以用：學而不思則罔，思而不學則殆 來理解。
好的知識圖譜需要具備學習能力和思考能力。

目前人們對于how why的需求越來越多，希望用知識圖譜來解決。

2 知識圖譜前世今生

• 語義網絡

1960年的語義網絡：是一些概念節點和節點之間的鏈接關系。更多的是is-a part-of這種關系。
缺點：沒有標準，就不利于多個網絡的融合。沒有辦法多節點和邊做定義。
優點：簡單，可以理解。

• 1980年引入本體概念

本體表示可以形式化化的：可以被計算機理解；是精確的：是共享的

• 1989年萬維網

萬維網最代表的技術是超文本標記語言。將文本、文檔互聯。

• 語義網

網頁之間有鏈接，但不知道為什么鏈接
做到機器可理解
對象、數據、事物的相互鏈接
比較對象：之前是比較兩個網頁（描述商品信息的網頁），有了語義網比較的是對象之間的屬性值。常見的兩種型號筆記本比較、兩種型號的車比較。

• 2006年開放數據連接

開放數據之間的鏈接：更多的數據做關聯

• 2012年google提出知識圖譜

google提出知識圖譜概念：是傳統知識工程與大數據知識工程之間的分界線
傳統知識工程：符號主義，本質是符號的操作和運算。解決了一些規則明確，應用封閉的問題。例如蛋白質結構的發現，數學定理的證明。依靠人工與專家獲取結構化知識。
大數據知識工程：利用數據、算力、模型獲取結構化的知識。

什么是知識圖譜：知識圖譜是一種基于圖的數據結構。由點和邊組成。每個節點表示一個實體，每條邊表示一個關系。

知識有哪些類型：事實知識、概念知識、詞匯知識、常識知識。

需要知道的開源知識圖譜：
1 DBpedia 項?始于 2007 年，是?個多語?知識圖譜，致?于從 Wikipedia ??中獲取結構化的知識供?眾使?，可稱作為數據庫版本的Wikipedia。

2 CN-DBpedia是由復旦?學知識?場實驗室（http://kw.fudan.edu.cn/ ）研發并維護的?規模通?領域結構化百科，其前身是復旦GDM中?知識圖譜 。

3 YAGO

4 CN-Probase是由復旦?學知識?場實驗室研發并維護的?規模中?概念圖譜，包含約1700萬實體、27萬概念和3300萬isa關系。

5 WordNet

6 Cyc 常識知識庫

7 ConceptNet 始于 2004 年，最早源于 MIT 媒體實驗室，是?個?型的多語?常識知識庫。

8 openkg.cn

3 知識圖譜相關技術

1 業務理解
有哪些業務數據？
需要人工標注嗎？成本多大？
需要專家接入嗎？有專家嗎？
根據業務數據特性選擇存儲的數據庫
工程完成后，能給具體的場景帶來實際好處嗎？
回答：做不做？為什么做的問題

2 圖譜設計
專家法：自上而下，總體規劃
歸納法：單點切入，自下而上
混合法：大的方向上用專家法，小的場景下用歸納法
還可以用參照法，在缺乏知識圖譜經驗的情況下。 UMLS一體化醫學語言系統，可以參考其相關關系的分類體系

3 知識抽取

4 知識表示
RDF/turtle：抽象能力弱，一些知識是需要附加時空條件的，不能表達

5 知識存儲
https://zhuanlan.zhihu.com/p/63378196
6 知識鏈接
有了基礎的知識圖譜，想要加入更多的鏈接
同一個實體有不同的mention。
不同實體有相同的mention
7 知識融合

4 知識圖譜應用案例

1 用于推薦

2 自動生成創意文案

3 智能搜索

4 智能問答

5 智能決策

總結

以上是生活随笔為你收集整理的知识图谱基础的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。