行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版

编辑点评:行业知识图谱构建与应用PDF版

行业知识图谱构建与应用PDF版系统总结了知识图谱的理论基础与技术方法,明确了知识图谱与知识地图、信息可视化、知识管理之间的关系。采用科学计量学中的共现分析方法等阐述的相关的内容,快来下载吧

相关内容部分预览

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(1)

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(2)

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(3)

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(4)

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(5)

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(6)

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(7)

知识图谱的机遇与挑战

分享一下肖仰华教授的报告。报告深度剖析知识图谱的发展进程,系统整理知识图谱上半场的主要成果,分析知识图谱下半场的挑战与机遇,以期为各行业的认知智能实践带来有益的参考。

▌知识图谱上半场 

1. 传统知识工程

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(8)

2. 大数据知识工程

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(9)

① 大规模简单知识表示

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(10)

② 知识获取

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(11)

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(12)

③ 基于知识图谱的简单推理

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(13)

大数据知识工程到底解决了哪些问题?

①  语言表达鸿沟

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(14)

② 缺失的因果链条

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(15)

③ 碎片化数据的关联与融合

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(16)

④ 深化行业数据的理解与洞察 

⑤ 显著提升了机器的自然语言理解水平

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(17)

⑥ 基于知识图谱的大规模知识服务

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(18)

⑦ 知识图谱可视化已大量应用

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(19)

⑧ 大数据知识工程理论体系日趋完善

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(20)

▌知识图谱下半场 

1. 应用场景转变

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(21)

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(22)

2. 新的趋势

① 繁杂的应用场景

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(23)

② 深度的知识应用

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(24)

③ 密集的专家知识

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(25)

④ 有限的数据资源

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(26)

3. 机遇

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(27)

4. 应对策略

知识表示方面:

① 与其他知识表示的协同表示与推理

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(28)

② 知识图谱的多模态表示

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(29)

③ 知识图谱的个性化表示

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(30)

知识获取方面:

①  发展低成本知识获取方法

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(31)

② 注重多粒度知识获取

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(32)

③ 发展大规模常识知识获取

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(33)

④ 复杂知识获取机制与方法

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(34)

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(35)

知识应用方面

① 知识图谱应用透明化

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(36)

② 基于知识图谱的可解释人工智能

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(37)

③ 发展符号知识指导下的机器学习模型

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(38)

▌总结

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(39)

知识图谱整体结构描述

知识图谱结构拓扑图如图所示:

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(40)

企业全量数据应用挑战及应对策略:

(1)多源异构数据难以融合

使用知识图谱(本体)对各类数据建模,基于可动态变化的数据模型(概念-实体-属性-关系),实现统一建模。

(2)数据模式动态变迁困难

使用可支持数据模式动态变化的知识图谱的数据存储。

(3)非结构化数据计算机难以理解

利用信息抽取技术。

(4)数据使用专业程度过高

(5)分散的数据难以统一消费利用

在知识融合的基础上,基于语义检索、知识问答、图计算、推理、可视化等技术,提供数据检索/分析/利用,统一平台。

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(41)

2. 知识建模

(1)以实体为主体目标,实现对不同来源的数据进行映射与合并。(实体抽取与合并)

(2)利用属性来表示不同数据源中针对实体的描述,形成对实体的全方位描述。(属性映射与归并)

(3)利用关系来描述各类抽象建模成实体的数据之间的关联关系,从而支持关联分析。(关系抽取)

(4)通过实体链接技术,实现围绕实体的多种类型数据的关联存储。(实体链接)

(5)使用事件机制描述客观世界中动态发展,体现事件与实体间的关联;并利用时序描述事件的发展状况。(动态事件描述)

知识建模工具:Protégé(本体编辑器,较局限)

3. 知识抽取

知识抽取的主要策略如图所示(针对结构化、半结构化、非结构化数据的处理方式不同):

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(42)

知识抽取中的文本信息抽取,主要包括:实体识别、关系抽取、事件抽取、概念抽取。信息抽取主要有两大类工具:

OpenIE:面向开放领域抽取信息、关系类型事先未知、基于语言学模式进行抽取、规模大、精度相对较低。典型工具:ReVerb、TextRunner(准确率低,实用性不强,一般不用)

CloseIE:面向特定领域抽取信息、预先定义好抽取的关系类型、基于领域专业知识抽取、规模小、精度比较高。典型工具:DeepDive(主要是针对实体识别,缺乏对关系/事件/概念的抽取)

非结构化文本数据的处理包括以下步骤:

分词、词性标注、语法解析、依存分析

NER命名实体识别、实体链接

关系抽取、事件抽取

其中,事件抽取可以分为预定义事件抽取和开放域事件抽取,行业知识图谱中主要为预定义事件抽取。采用模式匹配方法,包括三个步骤:

准备事件触发词表

候选事件抽取:寻找含有触发词的句子

事件元素识别:根据事件模版抽取相应的元素

还有基于机器学习模型的抽取:SVM、逻辑回归、CRF、LSTM等:

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(43)

补充说明,关于知识表示,欢迎先浏览我的另一篇随笔:基于图模型的智能推荐算法学习笔记,这里不再赘述。

基于数理逻辑的知识表示:RDF(资源描述框架)、OWL(RDF Schema 的扩展)、SPARQL(RDF查询语言) 

基于向量空间学习的分布式知识表示:Rescal、NTN、TransE(Embedding)

4. 知识融合

(1)数据层融合:实体链接技术

即等同性判断:给定不同数据源中的实体,判断其是否指向同一个真实世界实体(实体属性与关系的合并)。

基于实体知识的链接

基于篇章主题的链接

融合实体知识和篇章主题的链接

实体链接工具:Wikipedia Miner、DBpedia Spotlight等,大部分都是针对百科类的知识库工作的,基本不支持中文的处理。

(2)语义描述层融合:Schema Mapping

概念上下位关系合并

概念的属性定义合并

当然还有一些别的需要考虑,例如多源知识融合、冲突检测与解决、跨语言融合、知识验证等。

例如,通过人机交互接口对错误信息进行人工纠正,并以此作为种子案例,通过强化学习加强模型的识别精度和鲁棒性。

5. 知识存储

知识图谱是基于图的数据结构,其存储方式主要有两种方式:RDF存储和图数据库。

基于关系数据库的存储

基于原生图的存储

基于混合存储

下面展示各大图数据库的对比:

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(44)

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(45)

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(46)

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(47)

6. 知识计算

(1)基于图论的相关算法:

图遍历:广度优先遍历、深度优先遍历

最短路径查询: Dijkstra(迪杰斯特拉算法)、Floyd(弗洛伊德算法)

路径探寻:给定两个或多个节点,发现它们之间的关联关系

权威节点分析:PageRank算法

族群发现:最大流算法

相似节点发现:基于节点属性、关系的相似度算法

(2)本体推理:使用本体推理进行新知识发现或冲突检测。

基于表运算及改进的方法:FaCT++、Racer、Pellet Hermit等

基于一阶查询重写的方法(Ontology based data access,基于本体的数据访问)

基于产生式规则的算法(如rete):Jena 、Sesame、OWLIM等

基于Datalog转换的方法:KAON、RDFox等

回答集程序Answer set programming

本体知识推理工具:RDFox。

(3)基于规则的推理:使用规则引擎,编写相应的业务规则,通过推理辅助业务决策。

在知识图谱基础知识的基础上,专家依据行业应用的业务特征进行规则的定义。

引擎基于基础知识与所定义的规则,执行推理过程给出推理结果。

基于规则推理工具:Drools 规则定义。

7. 知识应用

智能问答(基于语义解析的方法+基于信息检索的方法)、语义搜索(基于实体链接)、可视化决策支持(D3.js、ECharts)等。

8. 知识图谱的自动构建

可构建的图谱:例如公司图谱、产品图谱、?物图谱、智能预警等。在行业应用中使用知识图谱,大致有如下几种方式:

可以使用现有的套装工具,在现有套装工具的基础上进行扩充:LOD2、Stardog

可以使用各生命周期过程中的相应工具进行组合使用,针对性开发或扩展生命周期中特定工具

行业知识图谱构建与应用PDF版截图

行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(48)行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(49)行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(50)行业知识图谱构建与应用电子版免费下载-行业知识图谱构建与应用PDF版高清版插图(51)

评分及评论

无用户评分

来评个分数吧

  • 5 分
    0
  • 4 分
    0
  • 3 分
    0
  • 2 分
    0
  • 1 分
    0

Comments