歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >>
知識(shí)圖譜(精)/新一代人工智能創(chuàng)新平臺(tái)建設(shè)及其關(guān)鍵技術(shù)叢書

知識(shí)圖譜(精)/新一代人工智能創(chuàng)新平臺(tái)建設(shè)及其關(guān)鍵技術(shù)叢書

出版社：科學(xué)出版社出版時(shí)間：2022-07-01
開本： 16開 頁數(shù)： 322
中 圖 價(jià):¥132.7(7.9折) 定價(jià)  ¥168.0 登錄后可看到會(huì)員價(jià)
加入購物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書更多>

知識(shí)圖譜(精)/新一代人工智能創(chuàng)新平臺(tái)建設(shè)及其關(guān)鍵技術(shù)叢書 版權(quán)信息

知識(shí)圖譜(精)/新一代人工智能創(chuàng)新平臺(tái)建設(shè)及其關(guān)鍵技術(shù)叢書 內(nèi)容簡介

本書系統(tǒng)介紹了知識(shí)圖譜的概念、發(fā)展歷程、技術(shù)體系、前沿技術(shù)與應(yīng)用實(shí)踐。在基礎(chǔ)知識(shí)方面，本書囊括了知識(shí)圖譜從源數(shù)據(jù)到產(chǎn)生決策的全生命周期的各個(gè)環(huán)節(jié)，分析了數(shù)據(jù)圖譜和知識(shí)圖譜的核心區(qū)別，介紹了圖譜構(gòu)建和知識(shí)表示等相關(guān)關(guān)鍵技術(shù)。在前沿技術(shù)方面，全面介紹了知識(shí)圖譜自動(dòng)構(gòu)建、知識(shí)圖譜融合和智能推理等問題和挑戰(zhàn)。在應(yīng)用實(shí)踐方面，結(jié)合營銷智能國家新一代人工智能開放創(chuàng)新平臺(tái)建設(shè)，介紹了知識(shí)圖譜在信息檢索、推薦系統(tǒng)、可視化、問答機(jī)器人等場(chǎng)景下的實(shí)際操作案例。 本書適合高等院校人工智能、大數(shù)據(jù)、知識(shí)工程等專業(yè)本科生、研究生及教師等教學(xué)和科研使用。

知識(shí)圖譜(精)/新一代人工智能創(chuàng)新平臺(tái)建設(shè)及其關(guān)鍵技術(shù)叢書 目錄

目錄
“新一代人工智能創(chuàng)新平臺(tái)建設(shè)及其關(guān)鍵技術(shù)叢書”序
前言
**篇 基礎(chǔ)知識(shí)篇
第1章 知識(shí)圖譜概述 3
1.1 知識(shí)圖譜簡介 3
1.1.1 圖、圖譜與知識(shí)圖譜 3
1.1.2 知識(shí)圖譜的價(jià)值 4
1.1.3 知識(shí)圖譜的挑戰(zhàn) 5
1.2 知識(shí)圖譜的發(fā)展歷程 6
1.2.1 傳統(tǒng)的知識(shí)庫 6
1.2.2 現(xiàn)代的知識(shí)圖譜 7
1.2.3 人工智能時(shí)代的知識(shí)圖譜 8
1.2.4 數(shù)據(jù)圖譜與知識(shí)圖譜的對(duì)比 9
1.3 知識(shí)圖譜的組成 9
1.3.1 知識(shí)圖譜中的實(shí)體 10
1.3.2 知識(shí)圖譜中的關(guān)系 11
1.3.3 知識(shí)圖譜中的事件 12
1.4 知識(shí)圖譜構(gòu)建技術(shù)流程 13
1.4.1 知識(shí)獲取 13
1.4.2 知識(shí)存儲(chǔ) 14
1.4.3 知識(shí)表示 15
1.4.4 知識(shí)抽取 16
1.4.5 知識(shí)融合 17
1.4.6 知識(shí)補(bǔ)全 18
1.5 知識(shí)圖譜的典型應(yīng)用 19
1.5.1 知識(shí)圖譜可視化分析 19
1.5.2 知識(shí)圖譜與知識(shí)推理 20
1.5.3 知識(shí)圖譜與語義檢索 22
1.5.4 知識(shí)圖譜與智能問答 23
1.5.5 知識(shí)圖譜與推薦系統(tǒng) 25
1.6 本章小結(jié) 26
第2章 知識(shí)表示 27
2.1 知識(shí)表示簡介 27
2.1.1 知識(shí)表示的定義 27
2.1.2 知識(shí)表示與知識(shí)圖譜 28
2.2 知識(shí)表示的發(fā)展歷程 28
2.2.1 知識(shí)的邏輯符號(hào)表示 30
2.2.2 知識(shí)的框架表示 34
2.2.3 知識(shí)的語義網(wǎng)表示 39
2.2.4 知識(shí)的嵌入表示 43
2.3 知識(shí)圖譜的知識(shí)表示 47
2.3.1 知識(shí)圖譜中知識(shí)的框架表示 48
2.3.2 知識(shí)圖譜中知識(shí)的嵌入表示 50
2.4 本章小結(jié) 57
第3章 知識(shí)圖譜中的實(shí)體 58
3.1 實(shí)體的定義 58
3.1.1 實(shí)體的類型描述 58
3.1.2 實(shí)體的組織形式 59
3.2 實(shí)體抽取技術(shù) 60
3.2.1 實(shí)體抽取任務(wù)定義 60
3.2.2 實(shí)體抽取流程 60
3.3 命名實(shí)體識(shí)別技術(shù) 61
3.3.1 任務(wù)定義 61
3.3.2 實(shí)體的命名實(shí)體識(shí)別方法 61
3.3.3 基于深度學(xué)習(xí)的命名實(shí)體識(shí)別 66
3.4 實(shí)體集合擴(kuò)展技術(shù) 71
3.4.1 任務(wù)定義 71
3.4.2 實(shí)體集合擴(kuò)展方法 71
3.5 命名實(shí)體消歧技術(shù) 73
3.5.1 任務(wù)定義 74
3.5.2 基于傳統(tǒng)特征的命名實(shí)體消歧 75
3.5.3 基于任務(wù)優(yōu)化的命名實(shí)體消歧 79
3.5.4 基于深度學(xué)習(xí)的命名實(shí)體消歧 81
3.6 實(shí)體抽取評(píng)測(cè) 82
3.6.1 評(píng)測(cè)指標(biāo) 82
3.6.2 評(píng)測(cè)數(shù)據(jù) 87
3.6.3 評(píng)測(cè)比賽 91
3.7 本章小結(jié) 92
第4章 知識(shí)圖譜中的關(guān)系 93
4.1 關(guān)系的定義 93
4.1.1 關(guān)系的類型描述 93
4.1.2 關(guān)系的組織形式 95
4.2 關(guān)系抽取技術(shù) 95
4.2.1 關(guān)系抽取任務(wù) 95
4.2.2 關(guān)系抽取方法分類 96
4.2.3 基于模式的關(guān)系抽取 97
4.2.4 基于特征的關(guān)系抽取 102
4.2.5 基于深度學(xué)習(xí)的關(guān)系抽取 105
4.3 關(guān)系抽取評(píng)測(cè) 113
4.3.1 評(píng)測(cè)指標(biāo) 113
4.3.2 評(píng)測(cè)數(shù)據(jù) 116
4.3.3 評(píng)測(cè)比賽 117
第5章 知識(shí)圖譜中的事件 119
5.1 事件的定義 119
5.1.1 事件的類型描述 120
5.1.2 事件的組織形式 120
5.2 事件抽取技術(shù) 122
5.2.1 事件抽取任務(wù)定義 122
5.2.2 事件抽取方法分類 123
5.2.3 基于簡單模式匹配的事件抽取 123
5.2.4 基于機(jī)器學(xué)習(xí)的事件抽取 126
5.2.5 開放域事件抽取 132
5.3 事件抽取評(píng)測(cè) 135
5.3.1 評(píng)測(cè)指標(biāo) 135
5.3.2 相關(guān)評(píng)測(cè)會(huì)議及數(shù)據(jù) 136
第二篇 前沿技術(shù)篇
第6章 知識(shí)圖譜融合 143
6.1 融合任務(wù)的定義 143
6.1.1 融合任務(wù)描述 143
6.1.2 數(shù)據(jù)融合與知識(shí)圖譜融合的對(duì)比 145
6.1.3 實(shí)體融合 145
6.1.4 關(guān)系融合 146
6.1.5 本體融合 146
6.2 知識(shí)圖譜融合技術(shù) 147
6.2.1 實(shí)體對(duì)齊 147
6.2.2 關(guān)系對(duì)齊 150
6.2.3 本體對(duì)齊 154
6.3 知識(shí)圖譜融合評(píng)測(cè) 157
6.3.1 評(píng)測(cè)指標(biāo) 158
6.3.2 評(píng)測(cè)數(shù)據(jù) 159
6.3.3 評(píng)測(cè)比賽 163
6.4 知識(shí)圖譜融合典型應(yīng)用 164
6.4.1 常用外部資源 164
6.4.2 從數(shù)據(jù)倉庫到主題域圖譜 172
6.5 本章小結(jié) 174
第7章 知識(shí)圖譜推理 176
7.1 推理任務(wù)的定義 176
7.1.1 推理任務(wù)描述 176
7.1.2 推理任務(wù)分類 176
7.1.3 數(shù)據(jù)推理與知識(shí)圖譜推理的對(duì)比 178
7.2 知識(shí)圖譜推理技術(shù) 179
7.2.1 基于演繹的推理技術(shù) 180
7.2.2 基于規(guī)則的推理技術(shù) 188
7.2.3 基于模型的推理技術(shù) 192
7.2.4 線性推理方法 195
7.3 知識(shí)圖譜推理評(píng)測(cè) 198
7.3.1 評(píng)測(cè)指標(biāo) 198
7.3.2 評(píng)測(cè)數(shù)據(jù) 199
7.3.3 評(píng)測(cè)比賽 200
7.4 知識(shí)圖譜推理典型應(yīng)用 201
7.4.1 知識(shí)補(bǔ)全 201
7.4.2 知識(shí)問答 202
7.4.3 多事件因果推理 206
7.5 本章小結(jié) 207
第8章 知識(shí)圖譜搜索與推薦 208
8.1 搜索任務(wù)的定義 208
8.1.1 搜索任務(wù)描述 209
8.1.2 搜索任務(wù)分類 209
8.1.3 傳統(tǒng)搜索與知識(shí)圖譜搜索的對(duì)比 210
8.2 知識(shí)圖譜搜索技術(shù) 212
8.2.1 搜索流程框架 212
8.2.2 基于存儲(chǔ)結(jié)構(gòu)的數(shù)據(jù)搜索 215
8.2.3 基于語義的數(shù)據(jù)搜索 217
8.2.4 基于深度學(xué)習(xí)的搜索 219
8.3 知識(shí)圖譜搜索評(píng)測(cè) 220
8.3.1 評(píng)測(cè)指標(biāo) 220
8.3.2 評(píng)測(cè)數(shù)據(jù) 222
8.3.3 評(píng)測(cè)比賽 222
8.4 知識(shí)圖譜搜索典型應(yīng)用 223
8.4.1 智能推薦 223
8.4.2 基于圖譜的信息檢索 227
8.4.3 知識(shí)庫問答 229
8.5 本章小結(jié) 230
第9章 知識(shí)圖譜的自動(dòng)構(gòu)建 231
9.1 知識(shí)圖譜構(gòu)建的流程和核心要素 231
9.1.1 知識(shí)建模 232
9.1.2 知識(shí)存儲(chǔ)與知識(shí)表示 233
9.1.3 知識(shí)抽取 234
9.1.4 知識(shí)融合 240
9.2 知識(shí)圖譜構(gòu)建的方法 240
9.2.1 自頂向下的構(gòu)建方式 241
9.2.2 自底向上的構(gòu)建方式 242
9.3 知識(shí)圖譜自動(dòng)構(gòu)建的困境 243
9.4 本章小結(jié) 244
第10章 事理圖譜 246
10.1 事理圖譜的概念和案例 246
10.1.1 事理圖譜的概念 246
10.1.2 事理圖譜的案例 248
10.2 事理圖譜的作用 251
10.3 事理圖譜的挑戰(zhàn) 253
10.4 本章小結(jié) 256
第三篇 應(yīng)用實(shí)踐篇
第11章 企業(yè)級(jí)知識(shí)圖譜 259
11.1 企業(yè)級(jí)知識(shí)圖譜的作用 259
11.1.1 企業(yè)級(jí)知識(shí)圖譜構(gòu)建的核心目標(biāo) 259
11.1.2 企業(yè)級(jí)知識(shí)圖譜的難點(diǎn) 261
11.2 結(jié)構(gòu)化數(shù)據(jù)治理 262
11.2.1 元數(shù)據(jù)管理 263
11.2.2 數(shù)據(jù)質(zhì)量監(jiān)控 265
11.3 非結(jié)構(gòu)化數(shù)據(jù)的預(yù)處理 267
11.3.1 正則表達(dá)式 268
11.3.2 中文分詞問題 268
11.3.3 停用詞、標(biāo)點(diǎn)的去除 269
11.3.4 特征提取 270
11.4 數(shù)據(jù)存儲(chǔ)和圖數(shù)據(jù)庫選擇 271
11.4.1 分布式存儲(chǔ)與分布式文件系統(tǒng) 271
11.4.2 圖數(shù)據(jù)庫的選擇 274
11.5 知識(shí)構(gòu)建和維護(hù)的生命周期 276
11.5.1 知識(shí)建模 276
11.5.2 知識(shí)獲取 276
11.5.3 知識(shí)存儲(chǔ) 277
11.5.4 知識(shí)融合 277
11.5.5 知識(shí)計(jì)算 277
11.5.6 知識(shí)應(yīng)用 277
11.6 本章小結(jié) 277
第12章 圖譜可視化 279
12.1 可視化概述 279
12.1.1 數(shù)據(jù)、信息和知識(shí)的定義 279
12.1.2 可視化分類 280
12.2 圖譜可視化表達(dá) 284
12.2.1 空間填充 284
12.2.2 節(jié)點(diǎn)鏈接圖 285
12.2.3 熱圖 286
12.2.4 鄰接矩陣 287
12.2.5 其他可視化表達(dá) 288
12.3 圖譜可視化方法 289
12.3.1 知識(shí)圖譜構(gòu)圖 290
12.3.2 知識(shí)圖譜度量方法 291
12.3.3 知識(shí)圖譜布局方法 294
12.4 圖譜可視化實(shí)踐 295
12.4.1 D3 295
12.4.2 知識(shí)圖譜數(shù)據(jù)可視化實(shí)踐 296
12.5 本章小結(jié) 300
參考文獻(xiàn) 301
展開全部

知識(shí)圖譜(精)/新一代人工智能創(chuàng)新平臺(tái)建設(shè)及其關(guān)鍵技術(shù)叢書 節(jié)選

**篇 基礎(chǔ)知識(shí)篇 第1章 知識(shí)圖譜概述 1.1 知識(shí)圖譜簡介 在過去的10～15年，知識(shí)圖譜及其相關(guān)應(yīng)用已經(jīng)在各個(gè)方面改變了人們的生活。無論是從搜索引擎中得到更直觀的搜索結(jié)果、在網(wǎng)上購物時(shí)借助推薦系統(tǒng)獲取更加個(gè)性化的購物體驗(yàn)，還是近年來問世的種類繁多的語音助手，如Siri、Google Assistant以及小愛同學(xué)等，人們每天都在與知識(shí)圖譜進(jìn)行無數(shù)次的交互。知識(shí)圖譜把復(fù)雜的知識(shí)領(lǐng)域通過數(shù)據(jù)挖掘、信息處理、知識(shí)計(jì)量和圖形繪制而顯示出來，揭示知識(shí)領(lǐng)域的動(dòng)態(tài)發(fā)展規(guī)律，為科學(xué)研究和實(shí)際應(yīng)用提供有價(jià)值的數(shù)據(jù)和智能支撐。本節(jié)從知識(shí)圖譜的概念、常見的知識(shí)圖譜以及知識(shí)圖譜的價(jià)值與應(yīng)用三個(gè)方面對(duì)知識(shí)圖譜進(jìn)行簡單的介紹。 1.1.1 圖、圖譜與知識(shí)圖譜 一個(gè)圖(graph)由節(jié)點(diǎn)和邊組成。當(dāng)節(jié)點(diǎn)和邊有了語義標(biāo)簽時(shí)，這個(gè)圖里就有了圖譜：可以按照邊的標(biāo)簽來搜索和顯示分類(如is-a或part-of)連接的相關(guān)節(jié)點(diǎn)集合(圖集)，如華譜系統(tǒng)里由 father-of關(guān)系連接的一份份家譜譜系圖。圖譜具有分類編輯的系統(tǒng)性和邏輯性，而不同的語義標(biāo)簽可以在一個(gè)圖中連接不同的圖譜。當(dāng)節(jié)點(diǎn)和邊的語義標(biāo)簽有了領(lǐng)域知識(shí)對(duì)其進(jìn)行解釋時(shí)，這個(gè)圖才能成為一個(gè)知識(shí)圖譜(knowledge graph)。 知識(shí)圖譜是一種語義圖譜。盡管“知識(shí)圖譜”這一專有名詞是Google公司于2012年提出的，但與知識(shí)圖譜這一概念相關(guān)的研究早已出現(xiàn)[1，2]。 知識(shí)圖譜由節(jié)點(diǎn)和邊組成，其中節(jié)點(diǎn)用于表示語義符號(hào)，而邊則表示語義符號(hào)之間的語義關(guān)系。知識(shí)圖譜中的節(jié)點(diǎn)可以是一個(gè)具體的實(shí)體，如人名“馬克龍”、地名“法國”等，也可以是某些抽象概念，如“總統(tǒng)”、“人工智能”等。知識(shí)圖譜中的邊代表了實(shí)體之間的各種關(guān)系，如親屬、合作等。知識(shí)圖譜中的邊還可以代表實(shí)體的屬性，如書籍的標(biāo)題、城市的位置等？傮w而言，知識(shí)圖譜是由學(xué)科專家借助人工智能技術(shù)和機(jī)器學(xué)習(xí)算法創(chuàng)建的知識(shí)領(lǐng)域模型，是一種揭示實(shí)體之間關(guān)系的語義網(wǎng)。圖1.1展示了一個(gè)知識(shí)圖譜的基本結(jié)構(gòu)。 圖1.1 知識(shí)圖譜的基本結(jié)構(gòu) 一般地，知識(shí)圖譜可以形式化地定義為由結(jié)構(gòu)化三元組組成的有向圖，表示為，其中為實(shí)體集，；為關(guān)系集，；為三元組集合，。 以三元組(巴黎，位于，法國)為例，其中“巴黎”稱為頭實(shí)體，其類型為“城市”，“法國”稱為尾實(shí)體，其類型為“國家”，頭實(shí)體和尾實(shí)體之間的關(guān)系為“位于”。在某些三元組中，關(guān)系代表實(shí)體的某種屬性，相應(yīng)地，此時(shí)尾實(shí)體也稱為屬性值，如(史蒂夫 喬布斯，出生于，1955年)。目前大多數(shù)知識(shí)圖譜都以三元組的形式來表示各種類型的知識(shí)，但知識(shí)圖譜中的知識(shí)表示(knowledge representation)除了這種以三元組表示的二元關(guān)系以外，也包括類別、屬性等不同粒度、不同層次的語義關(guān)系。 互聯(lián)網(wǎng)上存在海量的知識(shí)資源，這些知識(shí)資源大多數(shù)以非結(jié)構(gòu)化的形式表示，如文本、音頻、圖片等。對(duì)于計(jì)算機(jī)，處理非結(jié)構(gòu)化數(shù)據(jù)通常是非常困難的。知識(shí)圖譜對(duì)互聯(lián)網(wǎng)錯(cuò)綜復(fù)雜的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行加工、處理和整合，將其轉(zhuǎn)化為清晰、簡潔的“實(shí)體-關(guān)系-實(shí)體”三元組和“實(shí)體-屬性”對(duì)，從而實(shí)現(xiàn)知識(shí)提取和知識(shí)整合，*終形成圖結(jié)構(gòu)的知識(shí)庫，使得計(jì)算機(jī)可以輕松處理。 1.1.2 知識(shí)圖譜的價(jià)值 知識(shí)圖譜通過節(jié)點(diǎn)和關(guān)系對(duì)真實(shí)世界的各種場(chǎng)景進(jìn)行直觀的建模，使用“圖”這種基礎(chǔ)的數(shù)據(jù)結(jié)構(gòu)直觀、自然、高效地表達(dá)世界上的各種實(shí)體和關(guān)系。在表達(dá)能力方面，相比于傳統(tǒng)數(shù)據(jù)庫，知識(shí)圖譜表達(dá)關(guān)系的方式更加多樣，基于圖論等背景知識(shí)可以進(jìn)行更加復(fù)雜多樣的關(guān)聯(lián)分析，滿足企業(yè)的分析和管理需求；在推理能力方面，可以基于知識(shí)圖譜的圖結(jié)構(gòu)設(shè)計(jì)相應(yīng)的業(yè)務(wù)規(guī)則，通過本體推理輔助業(yè)務(wù)決策；在時(shí)間和空間開銷方面，知識(shí)圖譜通常采用圖數(shù)據(jù)庫進(jìn)行存儲(chǔ)，相比于傳統(tǒng)數(shù)據(jù)庫響應(yīng)時(shí)間更短，計(jì)算能力更強(qiáng)，向用戶返回結(jié)果的速度更快。 自1984年Cyc①項(xiàng)目啟動(dòng)以來，陸續(xù)出現(xiàn)了一系列的知識(shí)庫和知識(shí)圖譜項(xiàng)目，如通過專家知識(shí)構(gòu)建的Cyc、WordNet②，通過互聯(lián)網(wǎng)資源及群體智能構(gòu)建的Freebase③、DBpedia④、Wikidata⑤、YAGO[3]、BabelNet[4]，以及使用機(jī)器學(xué)習(xí)技術(shù)自動(dòng)構(gòu)建的NELL[5]和Knowledge Vault[6]等。知識(shí)圖譜在多個(gè)領(lǐng)域都展現(xiàn)出了廣泛的應(yīng)用價(jià)值。例如，美團(tuán)公司構(gòu)建了大規(guī)模餐飲娛樂知識(shí)圖譜“美團(tuán)大腦”⑥，實(shí)現(xiàn)了對(duì)商家和消費(fèi)者的多維度精準(zhǔn)刻畫。當(dāng)消費(fèi)者在美食類目下以“魚”為關(guān)鍵字進(jìn)行搜索時(shí)，可以通過知識(shí)圖譜得知“魚”是一種“食材”，進(jìn)而在提供搜索結(jié)果時(shí)除了提供“清蒸魚”、“糖醋魚”等傳統(tǒng)的搜索結(jié)果外，還能夠提供“賽螃蟹”這樣的將魚肉作為主料的菜品，從而豐富了搜索結(jié)果，提升了用戶體驗(yàn)。在金融領(lǐng)域，可以通過用戶在網(wǎng)絡(luò)的通信信息構(gòu)建知識(shí)圖譜的關(guān)聯(lián)關(guān)系，對(duì)用戶在信貸行為上高頻交互過的人員和群組進(jìn)行溯源，從而精準(zhǔn)定位騙貸團(tuán)伙，實(shí)現(xiàn)反欺詐領(lǐng)域的監(jiān)控和預(yù)警。 總之，知識(shí)圖譜因其對(duì)現(xiàn)實(shí)世界進(jìn)行建模的特點(diǎn)，已經(jīng)成功俘獲了大批客戶，涉及金融、廣告、信息技術(shù)(IT)、社交網(wǎng)絡(luò)甚至傳統(tǒng)制造業(yè)等多個(gè)領(lǐng)域。在未來，隨著人工智能逐漸滲透到每一個(gè)人的生活中，知識(shí)圖譜勢(shì)必會(huì)得到更加廣泛的應(yīng)用。 1.1.3 知識(shí)圖譜的挑戰(zhàn) 盡管知識(shí)圖譜已經(jīng)在許多方面得到了廣泛的應(yīng)用，但其目前仍有一些亟待解決的問題。其一是知識(shí)來源的缺失，或稱為知識(shí)的確定性問題。目前知識(shí)圖譜中的知識(shí)多是從維基百科(Wikipedia)等互聯(lián)網(wǎng)資源中經(jīng)過清洗和處理得到的，而很難對(duì)這些知識(shí)進(jìn)行溯源，進(jìn)而證實(shí)或證偽！度A盛頓郵報(bào)》曾報(bào)道稱，通過Google得到的搜索結(jié)果缺少消息來源，“削弱了人們核實(shí)信息的能力”。其二是如何區(qū)分同名的不同實(shí)體，如網(wǎng)球運(yùn)動(dòng)員李娜和演員李娜。其三是如何通過知識(shí)圖譜進(jìn)行推理，如某人的長子和次子之間的關(guān)系就是兄弟。 另外，目前絕大多數(shù)的知識(shí)圖譜并不包含圖譜中的實(shí)體和關(guān)系的任何背景信息，換句話說，大多數(shù)“知識(shí)圖譜”只是通過自然語言處理等技術(shù)從非結(jié)構(gòu)化數(shù)據(jù)中生成的“數(shù)據(jù)圖譜”，這些圖譜提煉了原始數(shù)據(jù)中的信息，但并不具備推理能力。目前有一些工作致力于解決這些方面的問題[7，8]，如何使知識(shí)圖譜具有更強(qiáng)大的智能，仍然是非常具有挑戰(zhàn)性的問題。 1.2 知識(shí)圖譜的發(fā)展歷程 知識(shí)圖譜技術(shù)由歷史上的許多相關(guān)技術(shù)，如語義網(wǎng)、本體論、人工智能等多個(gè)方面繼承和發(fā)展而來。知識(shí)圖譜的發(fā)展歷程可以追溯到20世紀(jì)70年代問世的專家系統(tǒng)，該系統(tǒng)依據(jù)領(lǐng)域?qū)＜业闹R(shí)和經(jīng)驗(yàn)?zāi)M人類的決策過程進(jìn)行推理和判斷，以解決需要人類專家處理的復(fù)雜問題。如圖1.2所示，20世紀(jì)80年代開始，依賴專家知識(shí)構(gòu)建的Cyc、WordNet等本體知識(shí)庫問世，這類知識(shí)庫是知識(shí)圖譜的早期雛形。進(jìn)入21世紀(jì)，出現(xiàn)了**個(gè)大規(guī)模的現(xiàn)代開放域知識(shí)圖譜DBpedia，隨著人工智能技術(shù)的發(fā)展又出現(xiàn)了能夠自動(dòng)構(gòu)建的知識(shí)圖譜，如NELL和Knowledge Vault等。本節(jié)將從傳統(tǒng)的知識(shí)庫、現(xiàn)代的知識(shí)圖譜、人工智能時(shí)代的知識(shí)圖譜三個(gè)方面進(jìn)行介紹。 圖1.2 知識(shí)圖譜的發(fā)展歷程 1.2.1 傳統(tǒng)的知識(shí)庫 Cyc和WordNet是較為典型的依賴專家知識(shí)構(gòu)建的早期知識(shí)庫項(xiàng)目。Cyc項(xiàng)目開始于1984年，其*初的目標(biāo)是建立人類*大的常識(shí)知識(shí)庫，并在此基礎(chǔ)上完成知識(shí)推理等任務(wù)。Cyc目前包含50萬個(gè)實(shí)體、約3萬個(gè)關(guān)系以及500萬條事實(shí)，主要由術(shù)語(term)和斷言(assertion)進(jìn)行表示。Cyc項(xiàng)目還開放了一個(gè)可以免費(fèi)使用的子集，即OpenCyc。早期的Cyc項(xiàng)目大多采用人工構(gòu)建的方法來推進(jìn)，近年來Cyc也開始嘗試使用自然語言理解工具從互聯(lián)網(wǎng)的非結(jié)構(gòu)化數(shù)據(jù)中抽取知識(shí)。自2008年起，Cyc的資源開始被映射到Wikipedia、DBpedia等資源上，這使得Cyc與現(xiàn)代知識(shí)庫項(xiàng)目建立鏈接變得更加容易。Cyc的一大特點(diǎn)是其采用了形式化的方式描述知識(shí)，這使得Cyc可以進(jìn)行復(fù)雜推理。

商品評(píng)論(0條)
暫無評(píng)論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服