除了深度学习、机器学习，人工智能还有知识图谱这个成熟并且很重要的AI技术。

 

知识图谱-人工智能进步的阶梯在人工智能领域，人们谈及最多的是深度学习、机器学习等概念，知识图谱却鲜有提及人工智能能够实现的语音助手、无人驾驶等应用，其背后的支撑其实是知识图谱人类区别于其他动物的一大能力是——。

认知每个人都拥有自己独有的知识图谱，这是在他建立认知，理解世界时通过不断地认知行为产生的，知识图谱的价值就在于它能够让机器具备认知能力具备认知能力的人工智能可以完成许多有意义的事情：|用户画像根据用户的社会属性、生活习惯和消费行为等数据，刻画精准的用户画像，用于精准营销。

| 智能写作通过对优质数据资源的组织聚合和计算推理，为用户提供更加丰富的知识和信息。

| 精准医疗建立融合临床医学与生命组学的语义关联，快速而高效地发现疾病和病因，甚至还能给出最佳治疗方案。

| 无人驾驶知识图谱利用其强大推理，实现驾驶过程的快速“决策。

知识图谱的概念简单来说，知识图谱就是一张由知识点相互连接而成的语义网络知识图谱本质上是语义网络，由节点和边组成它包含三个要素：实体、属性和关系在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。

实体：可区别性的独立存在的某种事物如一个人、一棵树、一个杯子等属性:从一个实体指向它的属性值如一个人的姓名、身高等关系：实体与实体之间的联系在下图的例子当中，可以将人物、作品、地点等实体作为节点，每个实体可包含若干个属性，每个实体可以通过属性建立一定的关系。

如：张艺谋-妻子-陈婷（实体-属性-实体）    张艺谋-作品-红高粱（实体-属性-实体）    红高粱-制片厂-山东（实体-属性-实体）

通过知识图谱，可以增强机器学习的经济性，提高学习模型对于先验知识的利用效率。

基于知识的机器学习知识图谱的构建知识图谱技术的原理是将文本转化为知识。机器要理解文本，首先需要理解文本知识。

知识图谱的体系架构其中线框内的部分为知识图谱的构建过程，也包含知识图谱的更新过程知识图谱构建从最原始的数据出发，采用一系列的技术手段，从原始数据和第三方数据库中提取知识事实，并将其存入知识库的数据层和模式层

知识图谱主要有自顶向下(top-down)与自底向上(bottom-up)两种构建方式自顶向下：例如Freebase项目指的是先为知识图谱定义好本体与数据模式，再将实体加入到知识库该构建方式需要利用一些现有的结构化知识库作为其基础知识库。

Freebase项目自底向上：例如Google的Knowledge Vault和微软的Satori知识库指的是从一些开放链接数据中提取出实体，选择其中置信度较高的加入到知识库，再构建顶层的本体模式目前，大多数知识图谱都采用自底向上的方式进行构建。

Knowledge Vault

Satori

- DataCastle -

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