知识图谱初识
一、起源
知识图谱的概念源于2012年Google在其官博上发表的一篇博文:Introducing the Knowledge Graph: things, not strings,在这篇博文中简单介绍了和传统搜索技术相比使用知识图谱来增强搜索带来的好处。从这片博文中可以看出,知识图谱类似于百科全书般描述世间万物的属性及关系,而不是单纯的一个个字符串和语句,这是将知识从机器可处理字符串的层面提高到更易被人可理解的一种表达方式。正如Google的辛格博士说的:The world is not made of strings , but is made of things。
个人理解:要构造涵盖世间所有知识和事物的知识图谱几乎是不可能的,所以针对特定业务某个领域的知识图谱是很实用的。
二、概念
知识图谱是什么
较为准确的说,知识图谱是一个语义网络【Semantic Netword】的知识库 【Knowledge Base】,即知识图谱本质上是知识库,语义网是它的特征。所以网上也有文章说知识图谱本质上是一个语义网,主观想象上知识图谱就是一个多关系图,相信这个大家都能意会。
知识图谱如何构建
知识图谱的数据结构是一张多关系图,由多类型的节点和多类型的边 组成。节点被成为实体【entity】,边被成为关系【relation】,实体 指现实世界里存在的事物,关系指的是实体之间的某种联系(也包含 实体与属性的关系)。构建知识图谱就是从大数据中抽取实体信息及 实体之间的关系,最终将领域知识表示成一张图。
如下图所示:
Google给出的知识图谱标准构建流程如下:
包含三大阶段:数据采集、知识建模、知识用用,其中知识建模又包含信息抽取、知识表示、知识融合、知识推理四个过程。
三、知识体系
常用的知识库
知识图谱构建
知识图谱存储
知识图谱查询
基于知识图谱的推理
四、应用
知识图谱作为人工智能的一个新兴技术,基本上只要涉及关系的业务都可以使用,目前应用的主要领域有:
搜索
推荐
风控
金融
智能问答
喜欢的可以关注公众号: 知识图谱圈,本公众号内的文章均为自学知识图谱的个人理解,如有不准确的地方尽请指正,大家共同学习,天天向上哈哈哈