學(xué)習(xí)內(nèi)容：

知識(shí)圖譜導(dǎo)論 陳華鈞 浙江大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院 教授
小象學(xué)院 嗶哩嗶哩 第一章
【其實(shí)后面的方法學(xué)習(xí)只是一個(gè)框架式的學(xué)習(xí)，并不明白具體的操作】

1. 什么是知識(shí)圖譜？

知識(shí)圖譜是一個(gè)系統(tǒng)！ 從根據(jù)場(chǎng)景構(gòu)建再到場(chǎng)景應(yīng)用！
知識(shí)圖譜不是一個(gè)從0開始，它依賴原來(lái)有的語(yǔ)義網(wǎng)絡(luò)、本體論，web、語(yǔ)義網(wǎng)、鏈接數(shù)據(jù)等等，它本質(zhì)是從文本的鏈接到對(duì)象的鏈接等，并且一開始是由谷歌提出的改變搜索體驗(yàn)。本質(zhì)也是包含兩塊：
一塊是知識(shí)表示（知識(shí)抽取，關(guān)系建立，屬性鏈接 ，一塊是基于知識(shí)表示的知識(shí)庫(kù)。 知識(shí)庫(kù)怎么來(lái)？ 這將有知識(shí)的構(gòu)建，知識(shí)的抽取，知識(shí)的融合； 知識(shí)庫(kù)怎么用？就會(huì)有語(yǔ)義搜索，輔助問(wèn)答，決策等。
其實(shí)就是將我們的語(yǔ)言拆分轉(zhuǎn)換為符號(hào)表達(dá)，之后經(jīng)過(guò)機(jī)器學(xué)習(xí)來(lái)將離散式的數(shù)據(jù)轉(zhuǎn)化為可分布式的表達(dá)。 這只是總的概述，知識(shí)圖譜的內(nèi)容和實(shí)際應(yīng)用不同的，那么分類也是不同的。

1.1 知識(shí)圖譜的分類是有很多種的

而知識(shí)圖譜的構(gòu)建，是可以不同的，根據(jù)需要來(lái)定！比如只是關(guān)于人際關(guān)系的，再比如關(guān)于某個(gè)人的所有的新聞，再比如全部是關(guān)于政府部門的或者是事故的，或者是阿里巴巴的電商的等，可以說(shuō)一種場(chǎng)景就會(huì)有一種知識(shí)圖譜，所以也就有了知識(shí)的融合。

由于數(shù)據(jù)源的不同，比如眾包、傳感器、多媒體等流，我們又可以分別使用不同的方法來(lái)得到更加規(guī)范的數(shù)據(jù)表示、更強(qiáng)的數(shù)據(jù)關(guān)聯(lián)，并存儲(chǔ)到Hbase等數(shù)據(jù)庫(kù)中，之后根據(jù)具體的需要再利用這些知識(shí)進(jìn)行知識(shí)表示、知識(shí)抽取、知識(shí)問(wèn)答等應(yīng)用。

2. 知識(shí)圖譜的發(fā)展歷程

3. 知識(shí)圖譜有什么用？

3.1 KG輔助搜索

Web的理想是萬(wàn)物的鏈接，搜索的理想是事物的搜索。
我們可以進(jìn)行事物的搜索； 也可以根據(jù)興趣來(lái)進(jìn)行興趣的搜索；
當(dāng)然這些現(xiàn)在的實(shí)現(xiàn)都是基于眾包的數(shù)據(jù)庫(kù)作為基礎(chǔ)的。

3.2 KG輔助問(wèn)答

機(jī)器人及IoT設(shè)備的智能化： 給萬(wàn)物都掛接一個(gè)背景知識(shí)庫(kù)
對(duì)話式的信息獲取更加需要精準(zhǔn)度和可靠度，知識(shí)圖譜對(duì)于提升用戶體驗(yàn)更加不可少；

3.3 KG輔助決策

成功的公司： Palantir硅谷最神秘大數(shù)據(jù)分析公司、Kensho公司屬于金融咨詢行業(yè)

Palantir公司的成功在于：
動(dòng)態(tài)本體的建模方式，基于這種方式可以結(jié)合到語(yǔ)義搜索。

Kensho公司的算法在于：
金融知識(shí)

根據(jù)文本我們可以預(yù)先抽取語(yǔ)義、建立數(shù)據(jù)鏈接；
根據(jù)多媒體，我們可以有更加規(guī)范的數(shù)據(jù)表達(dá)；
根據(jù)傳感器，我們可以先生成粗糙數(shù)據(jù)，形成可計(jì)算的數(shù)據(jù)；

3.3 KG輔助AI：常識(shí)推理

當(dāng)一個(gè)人聽到或看到一句話的時(shí)候，他使用自己所有的知識(shí)和智能去理解。這不僅包括語(yǔ)法，也包括他的詞匯知識(shí)、上下文知識(shí)，更重要的，是對(duì)相關(guān)事務(wù)的理解。

3. KG的本質(zhì)

Web視角： 像建立文本之間的超鏈接一樣，建立數(shù)據(jù)之間的語(yǔ)義鏈接，并支持語(yǔ)義搜索
NLP視角：怎樣從文本中抽取語(yǔ)義和結(jié)構(gòu)化數(shù)據(jù)
KR視角：怎樣利用計(jì)算機(jī)符號(hào)來(lái)表示和處理知識(shí)
AI視角：怎樣利用知識(shí)庫(kù)來(lái)輔助理解人的語(yǔ)言
DB（數(shù)據(jù)庫(kù)）視角：用圖的方式去存儲(chǔ)知識(shí)

做好KG本質(zhì)，需要綜合利用這些關(guān)系！ 而且工程的落地也要兼顧這些。

4.聰明的AI vs 有學(xué)識(shí)的AI

聰明的AI： 更多的是基于大數(shù)據(jù)的學(xué)習(xí)能力，通過(guò)圖像、語(yǔ)音、視頻等更多方面做更好的感知、識(shí)別和判斷。
有學(xué)識(shí)的AI：而知識(shí)圖譜更多的體現(xiàn)在知識(shí)和數(shù)據(jù)的區(qū)別，能提供更強(qiáng)大的推理能力，而他基于的推理可以根據(jù)我們定義的規(guī)則，也可以根據(jù)我們數(shù)據(jù)當(dāng)中的規(guī)范，不一定要求我們大數(shù)據(jù)、小數(shù)據(jù)做各種各樣的推理，它體現(xiàn)的更有學(xué)識(shí)的AI，它是基于聰明AI之上知識(shí)和學(xué)識(shí)的積累。能夠幫助思考和語(yǔ)言理解和推理。
在后面的課程中我們會(huì)知識(shí)的抽取、知識(shí)的挖掘、知識(shí)的問(wèn)答過(guò)程當(dāng)中都會(huì)有基于深度學(xué)習(xí)的方法來(lái)輔助我們做各種各樣的知識(shí)庫(kù)。
當(dāng)然這是說(shuō)deep learning for Knowledge Graph，也可以使用Knowledge Graph for deep learning.
也可以使用知識(shí)圖譜來(lái)做推薦系統(tǒng)

總結(jié)

以上是生活随笔為你收集整理的知识图谱入门视频（一）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。