三分钟看懂什么是知识图谱

 

阅读时间：3分钟早期人工智能系统严重依赖于数据库中手工提取的知识典型的专家系统使用这些知识来推断输入数据并产生有意义的结果这些知识主要包括简单的if-then规则，如果温度传感器值> 100C，则关闭电热水壶。

尽管机器学习在许多领域都优于基于规则的AI，但知识图谱仍然在许多智能系统中发挥着巨大的作用知识图谱基础知识图谱的基础单元是三元体 ，通常表示为（头部，关系，尾部）或（h，r，t）。看看这个：

"Arthur Cayley"是头，"生于"是关系，"伦敦"是尾巴每个三元组定义图中两个实体之间的一个连接一组可接受的关系和实体类型定义了知识图谱的本体，这也是它的一般结构例如，它可以是地理对象，生物医学结构或网页的图形。

给定一些条目集合知识图谱允许我们进行推理例如：

在大型数据库中，可能很难获得类似的结果，但在知识图谱中我们可以使用常见的图算法与关系型和键值数据库相比，知识图谱位于中间位置它们通常没有紧密的结构，但它们仍然包含记录之间的关系对知识库的普通查询如下所示：按名称查找实体"Barack Obama"，找到这个"妻子"关系的尾部，找到她的"故乡"关系的尾部并返回它的"名称"属性，结果你应该得到"芝加哥"。

这个想法也是语义Web的基础为了使互联网上的所有信息与机器相连并且可以理解，我们开发了一些标准，如RDF和Schema.知识图谱和神经网络在过去的5年中，许多研究人员使用神经网络来解决常见的知识图谱问题。

其中之一就是知识图谱的关系预测：当你有一个图并且想要在现有实体之间寻找更有意义的关系时更正式的是，给定，或，您需要计算潜在候选值的缺失值的概率在将实体和关系嵌入到具有类似于Word2Vec的神经网络的向量空间的方向上也进行了大量研究。

此外，DeepMind最近的工作展示了在自然语言和图像的关系推理方面的最新表现。应用基本上，知识数据库是问答系统的主要工具。除了通用结果外，Google还使用知识图谱向用户显示其查询的其他信息：

Siri，Cortana等移动助理使用有关可用服务和用户数据的信息管理知识库许多聊天机器人也在研究这些，医疗诊断系统，地图提供商，客户服务等等总之，未来的发展将使我们能够将所有知识存储为一组连接向量，并使用人工神经网络来推理使用这些信息。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186