1-知识图谱-自然语言处理

发布时间:2018-06-01 10:42  浏览次数:73
来源:《中文信息处理报告》


知识图谱(knowledge Graph,KG)
    旨在以结构化的形式,描述客观世界的概念,实体,事件及其之间的关系,提供了一种更好地组织、管理和理解海量信息的能力,将促进当代信息处理技术从信息服务向
知识服务转变。
    
概念:人们在认识客观世界过程中形成对客观事物的概念化表示,如人、动物、组织机构等。实体:客观世界中的具体事物,如篮球运动员姚明、互联网公司腾讯等。事件:实体的
活动,如地震、买卖行为等。
关系:描述概念、实体、事件之间客观存在的关联关系,如运动员和篮球运动员之间的关系是概念和子概念之间的关系等。


联系
    融合认知计算、知识表示与推理、信息检索与抽取、自然语言处理与语义 Web、数据挖掘与机器学习等的交叉研究。
研究内容
知识表示:研究客观世界的知识如何在计算机里表示和处理
知识图谱构建:解决如何建立计算机的算法从客观世界或者互联网的各种数据资源中获取客观世界知识
知识图谱应用:主要研究如何利用知识图谱更好地解决实际应用问题。


应用
    知识融合:当前互联网大数据具有分布异构的特点,通过知识图谱可以对这些信息资源进行语义标注和链接,建立以知识为中心的资源语义集成服务;    语义搜索
:知识图谱可以将用户搜索输入的关键词,映射为知识图谱中客观世界的概念和实体,搜索结果直接显示的满足用户需求的结构化信息内容,而不是互联网网页;    问答系统
:基于知识的问答系统将知识图谱看成一个大规模的知识库,通过理解将用户的问题转化为对知识图谱的查询,直接得到用户关心问题的答案;    大数据分析与决策
:知识图谱通过语义链接可以帮助理解大数据,获得对大数据的洞察,提供决策支持。
历史
    谷歌于 2012 年 5 月推出谷歌知识图谱,并利用其在搜索引擎中增强搜索结果,标志着大规模知识图谱在互联网语义搜索中的成功应用。

其他工具相关

标签

归档

阅读排行