美文网首页
AI产品经理需要知道的:知识图谱的入门and应用

AI产品经理需要知道的:知识图谱的入门and应用

作者: 夏日春风 | 来源:发表于2020-01-22 10:34 被阅读0次

    知识图是AI的基本功能。 在本文中什么是知识图? 如何建立知识图? 如何使用? 欢迎大家讨论并分享。

    一、人工智能时代已经来临

    随着全球智能手机销量的首次下降,移动互联网不可避免地进入了下半场。

    同时,智能扬声器的销量猛增,ZAO的变脸APP席卷了朋友圈……人工智能技术正日益影响人们的日常生活。

    作为人工智能领域的核心技术之一,知识图谱已成为AI产品经理必须掌握的基本技能。

    二、什么是知识图谱? 1. 什么是知识?

    在讨论知识图之前,让我们简要地了解什么是知识。

    下图是有关Quora(Zhihu的海外版本)的信息和知识的对比图。

    信息是一个混乱的点,而知识则相对更具逻辑性。在这个信息爆炸的时代,知识显然易于人们理解和记住。

    图一,图片出处:https://www.siilo.com/blog/information-vs-knowledge

    2. 什么是知识图谱?

    知识图的概念(简称KG)由Google于2012年5月提出。其初衷是通过利用网络上的多源数据构建的知识库来提高语义搜索的效率和质量。

    Google Knowledge Graph小组负责人阿米特·辛格表示:“世界不是由字符串构成的,而是由事物构成的。”

    知识图谱的主要功能是以结构化的方式描述客观世界实体之间的复杂关系。通过在信息之间建立联系,人类更容易获得所需的知识。

    三、如何构建知识图谱?

    知识图谱的构建主要分为知识体系构建、知识获取、知识融合、知识存储和检索、知识推理、知识应用六个步骤。

    产品角度的知识图谱构建流程图:

    1. 知识体系构建(建模)

    1.1 定义

    知识系统的构建,也称为知识建模,是指表达知识的方式。核心是构建一个本体来描述目标知识。

    在这种本体中,必须定义知识的类别系统,属于每个类别的概念和实体,某些类型的概念和实体的属性以及概念和实体之间的语义关系。推理的一些规则。

    知识图是随着语义网的发展而出现的一个概念。语义Web的核心目标是使计算机能够理解文档中的数据以及数据与数据之间的语义关联,以便计算机可以自动,智能地处理此信息。

    1.2 RDF三元组

    语义网技术涵盖范围很广,这里仅介绍与知识图数据建模紧密相关的核心概念-资源描述框架(RDF)。 RDF基本数据模型包括三种对象类型:资源,谓词和语句。

    知识图使用三元组作为知识存储和表示的基本单位。三元组有两种形式:“实体-关系-实体”和“实体-属性-属性值”。

    每个实体代表现实世界中的唯一对象,并且对应于全局唯一ID。

    1.3 实例

    下图中包含了多组三元组信息:

    2. 知识获取

    2.1 目标

    知识获取的目标是通过从大量文本数据中提取信息来获取知识,其方法因所处理的数据源而异。

    2.2 数据类型

    知识图中的主要数据来源包括结构化数据,半结构化数据和非结构化数据(纯文本)。

    其中,非结构化文本的信息提取是构造知识图的核心技术。

    2.3 知识获取的基本任务

    知识融合是对来自不同来源,不同语言或不同结构的知识的融合,以补充,更新和重复数据删除现有的知识图。

    知识存储是关于如何存储现有知识图的研究。

    4.1 存储方式

    当前,知识图主要是基于图的数据结构。存储方法通常使用RDF格式存储和图形数据库。前者是Google打开的Freebase知识图,后者是开源图数据库Neo4j。

    4.2 质量评估

    有效的质量评估可以量化知识的可信度,并通过以较低的置信度丢弃知识来保证知识图的质量。

    4.3知识更新

    (1)更新类型

    从逻辑上讲,知识图的更新包括概念层的更新和数据层的更新。

    (2)更新方法

    相对而言,前者相对简单,但是资源消耗大,而后者资源消耗小。

    5.知识推理

    为了解决数据的不完整和稀疏性,有必要采取推理的方式来发现现有知识中的隐藏知识。

    当前的研究集中在挖掘两个实体之间的隐式语义关系。

    两种推理方法:

    随着人工智能的浪潮,知识图已广泛用于搜索引擎,智能问答和推荐中。

    智能搜索(实体关系)

    在智能搜索方面,基于知识图的搜索引擎存储了大量实体和实体时间的关系,并可以根据用户问题准确返回答案。

    在下图中,用户询问了马云,机器人可以准确地给出马云的个人介绍。

    当有多个同名人员时,知识图可以根据实体的唯一ID进行歧义消除,以帮助用户更准确地找到答案。

    2.自动问答(实体关系推理)

    在自动回答问题方面,您可以使用知识图来推断有关实体及其之间的关系以获得答案。

    在下图中,百度“马化腾在哪里?”百度将根据知识图直接给出马化腾的出生地。

    3. 推荐

    在推荐方面,知识图中实体之间的关系可以用来向用户推荐相关产品。

    在下图中,用户询问“香港科技大学新闻飞行价格收益率”。 机器人将HKUST News Flying视为A股股票,然后推荐具有相同属性的其他实体。

    4. 决策支持

    知识图谱可以通过信息提取,数据挖掘,语音匹配,语义计算,知识推理等过程准确地描述该领域的复杂知识,并可以描述知识的演化过程和发展规律,从而提供准确可行的研究和方法。做决定。跟踪,可解释的推理性数据。

    在下图中,当用户输入Bilibili时,SkyEye可以准确地返回上市公司股东,董建高和外国投资的完整信息,以帮助用户做出决策。

    相关文章

      网友评论

          本文标题:AI产品经理需要知道的:知识图谱的入门and应用

          本文链接:https://www.haomeiwen.com/subject/aspuzctx.html