漆桂林東南大學 計算機軟件與理論教授收錄于編輯推薦?·?130 人贊同了該回答

知識圖譜這兩年研究很火，因為在業界和政府部門都取得了很好的應用，不過大部分的工作還是集中在NLP，還有很多問題沒有得到解決。我覺得2018年以后，信息抽取雖然還會是知識圖譜的一個比較重要的研究方向，知識圖譜作為知識工程的一個分支將有更多的問題需要去解決，特別是知識圖譜要實用化將面臨很多挑戰。以下方向值得研究：

1.信息抽取如何實用化？目前來說，靠算法解決問題的思路是不靠譜的，算法只是圖譜知識獲取的一個階段，如何跟眾包結合應該是實用化的一個方向，值得去研究，下面是值得讀一下的論文：

http://aiweb.cs.washington.edu/ai/pubs/liu-naacl16.pdf?aiweb.cs.washington.eduhttps://www.aaai.org/ocs/index.php/FSS/FSS13/paper/viewFile/7627/7543?www.aaai.orghttps://arxiv.org/abs/1701.02185?arxiv.org[1701.02185] Crowdsourcing Ground Truth for Medical Relation Extraction?arxiv.org

2. 如何基于知識圖譜做事件抽取將是值得研究的，事件抽取如果只是考慮從文本進行抽取，只能是玩玩算法，發論文可以，但是實用性差，如何通過事件抽取實現動態圖譜構建，形成事件圖譜，以及事件的因果關系，是值得研究的；

3. 圖譜的動態融合是目前研究比較薄弱的環節，現在的知識融合還比較初級，只是跑一些機器學習算法，弄特征工程，雖然也有一些基于深度學習的技術，但是整體這塊還是不夠成熟，特別是沒有考慮圖譜的動態性，如何做增量的知識圖譜融合以及在圖譜融合的時候如何處理數據的不一致，都是值得研究的；

4. 常識知識挖掘和推理一直以來就沒做得很好，嚴重阻礙了知識圖譜的發展，這方面的工作不多，而且大家其實沒想明白什么是常識知識，什么是常識推理，理論還是比較匱乏；下面這篇常識知識的綜述論文值得讀讀：

Commonsense Knowledge in Machine Intelligence?dl.acm.org

還有就是conceptnet的論文值得讀一下，這里的知識表示方法允許節點是自然語言短語或者句子：

Speer?aaai.org

5. 基于表示學習和邏輯規則的知識圖譜推理值得研究，這種結合不僅僅是一個模型上的結合，還會涉及到如何通過表示學習來做規則的學習，以及通過規則學習來增強表示學習；

6. 動態知識圖譜的存儲和查詢目前很少有人研究，特別是流數據場景下的知識圖譜存儲和查詢怎么做，會有很多挑戰。

7. 領域知識圖譜構建的工作需要綜合利用各種技術來完成，并且需要考慮一個圖譜的應用場景，這里會有問答、推薦、搜索、自動標簽、輔助決策等各種應用，目前比較值得深入的領域有農業、佛學、司法、電商、金融、軍事，都是可以做出好的研究成果的領域，應用就很多了，比如說司法，可以做類案推送，可以做輔助判案，可以做均衡分案等，這些垂直領域都會有很多好的研究成果發表。

先說這么多吧，后面再補充！

編輯于 2018-03-04130?20 條評論?分享?收藏?感謝?收起 古土雷柏知識圖譜\教育工程\認知可視化9 人贊同了該回答

我覺得目前最關鍵的研究點不是知識圖譜本身，而是知識圖譜的“上帝之手”。

李彥宏是搜索引擎領域的科學家，他應該跟谷歌創始人是同一起跑線上的，單純講技術，不存在誰盜版誰的問題，跟馬化騰模仿OICQ，馬云克隆ebay不同，李彥宏當年在搜索引擎上的研究是同時代領先的。但是今天我們用google檢索看很多英文原文檔，顯然效果好于百度百倍。這種差距是怎么產生的？是因為google存在著一只“上帝之手”，在不斷“手動”優化著搜索引擎的呈現結果，這種優化效果是超越于搜索引擎技術本身的。或者說，單純靠搜索引擎技術本身，其實呈現出來的結果很多時候也是慘不忍睹的（比如2002年的google搜索結果）。這只“上帝之手”其實就是google的用戶，用戶點擊行為“手動”協助了搜索結果的優化，百度因為沒有大量的英文用戶，所以到目前為止，我們看英文信息，在百度上搜索出來的結果，還是慘不忍睹。

反過來看知識圖譜，現在能不能做到，給出一個知乎的問題，它（技術本身）就把這個問題的知識圖譜精確呈現出來，顯然，目前這是做不到的。同樣，需要這樣做一只“上帝之手”，需要有一款大量（海量）同步對接進來的知識圖譜應用，通過用戶“手動”的行為，對知識圖譜呈現的結果進行篩選。持續的成千上萬上億次的用戶大腦“微運算”，進行持續不斷的結果優化。

所以，目前知識圖譜技術缺乏的是一個“用戶入口”，用戶這只“上帝之手”進不來，導致所有的知識圖譜呈現結果都是慘不忍睹，我覺得技術的進化是工作量積累和時間篩選的結果，不能跳躍式發展，機器和人之間的連接不能直接斷開，不僅僅知識圖譜，就是放大到整個人工智能領域，還是需要“人工”的“上帝之手”參與，阿爾法狗也不是在沒有錄入人類棋譜的前提下進行學習。

我覺得這是一個比技術本身更有價值的一個研究點，當然它也可以歸入到技術的范疇之內。

https://www.zhihu.com/question/266032092

總結

以上是生活随笔為你收集整理的请问知识图谱有哪些研究点是可以进行深入研究的？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。