梦见参加结婚喜宴尽管人工智能依靠机器学习和深度学习取得了快速进展，但这些都是弱人工智能，对于机器的训练，需要人类的监督以及大量的数据来喂养，更有甚者需要人手动对数据进行标记，对于强人工智能而言，这是不可取的。要实现真正的类人智能，机器需要掌握大量的常识性知识，以人的思维模式和知识结构来进行语言理解、视觉场景解析和决策分析。
知识图谱把复杂的知识领域及知识体系通过数据挖掘、信息处理、知识计量和图形绘制显示出来，表示该领域的发展动态及规律，为该领域的研究提供全方位、整体性、关系链的参考。
知识图谱是智能社会的重要生产资料，如果把人工智能比作一个“大脑”，那么深度学习是“大脑”的运转方式，知识图谱则是“大脑”的知识库，而大数据、GPU并行计算和高性能计算等支撑技术就是“大脑”思维运转的支撑。
知识图谱是真实世界的语义表示，其中每一个节点代表实体连接节点的边则对应实体之间的关系异构数据通过整合表达为知识，图的表达映射了人类对世界的认知方式，知识图谱非常适合整合非结构化数据从零散数据中发现知识，从而帮助组织机构实现业务智能化。
当你对陌生领域进行学习时，无法把握要点及整体框架，以至于检索效率低、入门无道时，知识图谱应运而生。
从各种类型的数据源中提取出实体、属性以及实体间的相互关系，在此基础上形成本体化的知识表达；
在获得新知识之后，需要对其进行整合，以消除矛盾和歧义，比如：某些实体可能有多种表达，某个特定称谓也许对应于多个不同的实体等；
对于经过融合的新知识，需要经过质量评估之后（部分需要人工参与甄别），才能将合格的部分加入到知识库中，以确保知识库的质量。
行业知识图谱以领域或企业内部的数据为主要来源，通常要求快速扩大规模，构建行业壁垒，知识结构更加复杂，通常包含本体工程和规则型知识。知识抽取的质量要求很高，较多的依靠从企业内部的结构化、非结构化以及半结构化数据进行联合抽取需要依靠人工进行审核校验，来质量。通常需要融合多来源的领域是数据扩大规模的有效手段。应用形式更加全面，除搜索问答外，还包括决策分析、业务管理等，并对推理的要求更高，并有较强的可解释性要求。主要领域有电商、金融、农业、安全、医疗等等
比如：上一篇文章中提到的基于语音对话系统构建的机器人，要想机器人好玩有趣，就需要建立通用知识图谱，使机器人具有强大的逻辑，了解人与人关系，人与物的关系，人的属性、物的属性，理解人类世界的关系链，灵活应对用户的各种聊天需求，使机器具有类人智能。而行业知识图谱则帮助用户解答关于行业的任务型需求，辅助用户决策，反向帮助人类学习。
？？？没怎么看懂你想表达什么观点知识图谱的数据主要就是公司内部数据（结构化数据）、从我网上爬取得公开数据（非结构化数据）、第三方机构数据（半结构化数据），做知识图谱肯定是为了优化公司服务内容，赋能行业，做知识图谱肯定是业务需要知识图谱，不能为了做知识图谱而做知识图谱，这样是没有意义的。如果只是对关系有一定需求，传统的关系型数据库也是可以做的，就不用花费巨资采用知识图谱的图数据库来做。如果没有解决你的问题，欢迎进一步交流。
人人都是产品经理（是以产品经理、运营为核心的学习、交流、分享平台，集、培训、社群为一体，全方位服务产品人和运营人，成立8年举办在线+期，线+场，产品经理大会、运营大会20+场，覆盖北上广深杭成都等15个城市，在行业有较高的影响力和知名度。平台聚集了众多BAT美团京东滴滴360小米网易等知名互联网公司产品总监和运营总监，他们在这里与你一起成长。
网友评论 ()条 查看