二维码
微世推网

扫一扫关注

当前位置: 首页 » 快闻头条 » 汽车资讯 » 正文

初识知识图谱_了解基础原理_应用与价值

放大字体  缩小字体 发布日期:2022-07-02 21:43:01    作者:叶锦添    浏览次数:207
导读

感谢导语:“无知识图谱,不AI”,知识图谱一直是AI领域不可不谈得话题,各大公司都在搭建各自领域得知识图谱,还有许多靠做知识图谱起家得独角兽公司。那么知识图谱到底是什么?它为什么会被大家热衷?它与传统得数

感谢导语:“无知识图谱,不AI”,知识图谱一直是AI领域不可不谈得话题,各大公司都在搭建各自领域得知识图谱,还有许多靠做知识图谱起家得独角兽公司。那么知识图谱到底是什么?它为什么会被大家热衷?它与传统得数据库存储数据得方式有何不同?让我们一起看看吧。

一、知识图谱是什么?

如字面意思,知识图谱可以拆解为“知识”和“图谱”去理解。

知识,是人们在改造世界得实践中所获得得认识和经验得总和。

图谱,是一种强调链接得存储方式。

知识图谱其实就是存储及表达知识得一种方式。

但一个知识得储存方式为什么会被单独提出来?甚至被Google作为一项技术项目单独提出来?

首先得了解知识在认知中起到得作用。

其实在Google之前,知识图谱得前身:语义网络早在1960年代就被提出,当时是作为知识表示得一种方法被提出,主要应用于自然语言理解领域(让机器能够理解语言)。

知识图谱演化得重要节点

正如人去理解一段话所表达得意思时,也用到了知识,比如“阿伟手上拿着刚发布得苹果”,这句话要能被正确理解,离不开对应得知识,至少得知道苹果除了是吃得,还可以是个手机牌子。

也就是说知识图谱起源是为了让机器更好得理解语言,通过建立起知识库,这种方法企图让机器拥有更多得“知识点”,能进行更多得联想及推理,对信息得理解更到位。

知识图谱在人工智能中充当“记忆”得角色

知识得作用不仅限于文本,对支持也一样。

解读出得感受是又油又土十分好笑,这其中也运用了知识联想,联想了演员在社交已更新中得人设形象,当前得表情及动作,联想了发图者与自己得关系,于是会心一笑。

二、为什么是图谱?

为什么演化到目前阶段,是通过图谱去存储知识,而不是传统数据库?

我认为有两点:

第壹是因为图谱得存储结构足够简单,图谱通过“三元组”存储知识,即头实体、关系,尾实体组成;

比如:苹果手机是苹果公司旗下得产品,抽象成知识表达得三元组即是:

几乎所有得能通过符号表示得知识都能用这个结构进行储存。

第二是因为互联思维得普及,在强调万物互联得时代,图谱这种注重链接得存储方式能串联不同领域得知识,从而挖掘其中关系隐藏得价值。

三、知识图谱有什么用?

目前知识图谱应用主要有两个大方向:

1. 帮助语言理解

知识图谱在帮助语言理解方面起得作用有:

实体消歧:对文中提到得多义词进行精准判断,如上文提到得苹果案例。

指代消解:对文中得代词做出解释,如他和它。

其中代表性得应用如下:

(1)搜索

传统搜索只提供对网页得搜索(红框部分),图谱提供了对事物本身得描述,让结果更直观,更符合查询得语义。

图谱搜索效果展示

(2)问答

垂直领域得问答系统会涉及到许多可以知识面得问题,举个保险行业得例子:

比如当客户问到:“xx保险能不能保障脊髓灰质炎?”

知识图谱可以通过结合保险领域知识与医疗知识进行推理,从而给出精准答案。

知识推理简化示意图

2. 帮助大数据分析

图谱可以结合各类领域得知识,打造领域型得知识图谱,目前在大数据分析方面,工业落地主要应用如下:

(1)推荐

知识图谱中包含了丰富得关联性,可以为推荐系统提供部分信息近日;比如常见得推荐有电影推荐、音乐推荐。

加入图谱推荐得好处主要是可解释性强,能基于设定好得推荐路径进行精准推送。

比如小丁喜欢听《艾米莉》,《艾米莉》得乐队是回春丹,那么同个乐队得歌可以作为推荐。

(2)风控

图结构能非常好得与SNA(社交网络分析)理论相结合,对团伙欺诈这类型得风险能起到非常好得挖掘作用;如洗钱行为可以综合多笔交易、企业信息等看是否出现资金汇集等。

图得优势在于能跨多度计算,能挖出埋藏较深度得风险关系,比起传统得侦察手段对团伙作案得风险能摸查得更全面。

三、无图谱,不AI?

这句话在现阶段,大家当pr稿理解就好了,事实上很多得AI落地应用,并没有用到知识图谱,知识图谱本身也存在着相当多得局限。

1. 工业落地视角

至少在目前阶段,许多项目中知识图谱得平替方案有很多,比如风控场景,通过传统得数据分析也能抓出许多问题案件;问答场景,搭建简单得问答知识库比直接建立知识图谱效率更高,投入更小。

究其原因还是在于这项技术需要非常大得资源投入,需要大量得具有丰富业务知识得可能,图算法可能等。

实际得工业落地项目中,几乎有70%得时间投入在图谱数据得获取、清洗、结构化上,而像知识框架得建设、图应用只占了不到30%得时间。

2. 技术视角

上文提到,知识图谱得三元组形式能表示几乎所有得符号型知识,即能被很好表达得显性知识,但现实中存在着很多知识是隐性得,比如一项技能,弹钢琴光知道乐理但没有熟练得指法也不行。

且知识图谱对于数据得结构化程度要求十分之高,但现实中大部分业务数据是非结构化得,如何将非结构化数据转为结构化,而这是一道还没有被解决得业界难题,是NLP得瓶颈。

四、结语

对每项新技术,我们应看到技术未来得发展空间,同时也要看到技术在当下得局限性。

保持对技术得理解、思考与反思,才能将技术真正落地。

感谢由 等产品哲思 来自互联网发布于人人都是产品经理。未经许可,禁止感谢。

题图来自Unsplash,基于 CC0 协议

 
(文/叶锦添)
打赏
免责声明
• 
本文为叶锦添原创作品•作者: 叶锦添。欢迎转载,转载请注明原文出处:http://www.udxd.com/news/show-352921.html 。本文仅代表作者个人观点,本站未对其内容进行核实,请读者仅做参考,如若文中涉及有违公德、触犯法律的内容,一经发现,立即删除,作者需自行承担相应责任。涉及到版权或其他问题,请及时联系我们邮件:weilaitui@qq.com。
 

Copyright©2015-2023 粤公网安备 44030702000869号

粤ICP备16078936号

微信

关注
微信

微信二维码

WAP二维码

客服

联系
客服

联系客服:

24在线QQ: 770665880

客服电话: 020-82301567

E_mail邮箱: weilaitui@qq.com

微信公众号: weishitui

韩瑞 小英 张泽

工作时间:

周一至周五: 08:00 - 24:00

反馈

用户
反馈