淺談知識圖譜摘要：隨著人工智能技術(shù)的發(fā)展，知識圖譜作為大數(shù)據(jù)時(shí)代的知識工程的產(chǎn)物，是實(shí)現(xiàn)人工智能的基礎(chǔ)。它具有強(qiáng)大的語義表達(dá)能力、存儲能力以及推理能力，其關(guān)鍵技術(shù)得到國內(nèi)外研究學(xué)者的廣泛關(guān)注。本文從知識圖譜的概念出發(fā)，分析其理論架構(gòu)，以及對其關(guān)鍵技術(shù)進(jìn)行相關(guān)概述。引言隨著人工智能的發(fā)展和應(yīng)用，知識圖譜逐漸成為關(guān)鍵技術(shù)之一。知識圖譜以其強(qiáng)大的語義處理能力和開放組織能力，為人工智能的智能化奠定了基礎(chǔ)，廣泛應(yīng)用于智能搜索、智能問答、個(gè)性化推薦、推理等領(lǐng)域。知識圖譜的概念知識圖譜的提出是為了提高搜索引擎的效率。是實(shí)體之間關(guān)系的語義網(wǎng)絡(luò)，可以將實(shí)體對象和他們之間的關(guān)系進(jìn)行圖形化的表達(dá)，知識圖譜的表示形式是三抽取其中的概念、實(shí)體和關(guān)系，是事物關(guān)系的可計(jì)算模型。知識圖譜按照知識的覆蓋范圍和不同的領(lǐng)域，整體可以劃分為通用性知識圖譜和領(lǐng)域性知識圖譜]隨著科技的不斷發(fā)展，知識圖譜在自然語言處理領(lǐng)域應(yīng)用廣泛，如語義搜索、智能問答、輔助決策等領(lǐng)域，知識圖譜已經(jīng)成為了人工智能發(fā)展的重要動力和核心領(lǐng)域。知識圖譜是一種基于圖的數(shù)據(jù)結(jié)構(gòu)，由節(jié)點(diǎn)和邊組成，每個(gè)節(jié)點(diǎn)表示一個(gè)“實(shí)體”，每條邊為實(shí)體與實(shí)體之間的“關(guān)系”，知識圖譜本質(zhì)上是語義網(wǎng)絡(luò)。實(shí)體指的可以是現(xiàn)實(shí)世界中的事物，比如人、地名、公司、電話、動物等；關(guān)系則用來表達(dá)不同實(shí)體之間的某種聯(lián)系。知識圖譜就是把所有不同種類的信息連接在一起而得到的一個(gè)關(guān)系網(wǎng)絡(luò)，因此知識圖譜提供了從“關(guān)系”的角度去分析問題的能力。知識圖譜的理論架構(gòu)知識圖譜的理論架構(gòu)分為三個(gè)部分，第一部分是源數(shù)據(jù)的獲取。第二部分是知識融合，用來關(guān)聯(lián)多數(shù)據(jù)源知識，擴(kuò)大知識的范圍。第三部分是知識的計(jì)算與應(yīng)用，知識計(jì)算是知識圖譜能力輸出主要方式，而知識應(yīng)用是知識圖譜與特定領(lǐng)域或者業(yè)務(wù)相結(jié)合，提高業(yè)務(wù)效率[2]。大規(guī)模知識庫的構(gòu)建與應(yīng)用需要多種智能信息處理技術(shù)的支持。通過知識抽取技術(shù)，可以從一些公開的半結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)中提取出實(shí)體、關(guān)系、屬性等知識要素。通過知識融合，可消除實(shí)體、關(guān)系、屬性等指稱項(xiàng)與事實(shí)對象之間的歧義，形成高質(zhì)量的知識庫。知識推理則是在已有的知識庫基礎(chǔ)上進(jìn)一步挖掘隱含的知識，從而豐富、擴(kuò)展知識庫[3]。分布式的知識表示形成的綜合向量對知識庫的構(gòu)建、推理、融合以及應(yīng)用均具有重要的意義。關(guān)鍵技術(shù)知識圖譜的構(gòu)建過程包括：知識抽取、知識融合、知識推理。知識抽取知識抽取就是把數(shù)據(jù)從不同的數(shù)據(jù)源中抽取出來，然后按一定的規(guī)則加入到知識圖譜中，這個(gè)過程我們稱為知識抽取。知識抽取是從多種數(shù)據(jù)源中提取知識并存入知識圖譜，是構(gòu)建大規(guī)模知識圖譜的基礎(chǔ)。知識抽取主要是面向開放的鏈接數(shù)據(jù)，通過自動化的技術(shù)抽取出可用的知識3知識抽取包括三個(gè)主要工作，分別是命名實(shí)體抽取、關(guān)系抽取、屬性抽取[4]：實(shí)體抽?。河址Q為實(shí)體識別，指的是從原始語料中自動識別出命名實(shí)體。由于實(shí)體是知識圖譜中的最基本元素，其抽取的完整性、準(zhǔn)確、召回率等將直接影響到知識庫的質(zhì)量。因此，實(shí)體抽取是知識抽取中最為基礎(chǔ)與關(guān)鍵的一步。關(guān)系抽?。耗繕?biāo)是解決實(shí)體間語義鏈接的問題，早期的關(guān)系抽取主要是通過人工構(gòu)造語義規(guī)則以及模板的方法識別實(shí)體關(guān)系。隨后，實(shí)體間的關(guān)系模型逐漸替代了人工預(yù)定義的語法與規(guī)則。屬性抽取：屬性抽取主要是針對實(shí)體而言的，通過屬性可形成對實(shí)體的完整勾畫。由于實(shí)體的屬性可以看成是實(shí)體與屬性值之間的一種名稱性關(guān)系，因此可以將實(shí)體屬性的抽取問題轉(zhuǎn)換為關(guān)系抽取問題。知識抽取在技術(shù)方面，目前集中于機(jī)器學(xué)習(xí)和自然語言處理，并且隨著人工2007年研究了自然語言處理的知識抽取模式和方法，經(jīng)過分詞、詞性標(biāo)注、句法分析等過程從文段中抽取知識，然后再轉(zhuǎn)換成計(jì)算機(jī)可理解的形式。洪娜等人對基于Ontology4OBIE，OBIEOBIEOntology知識融合知識融合可以解決不同知識圖譜的異構(gòu)問題，通過知識融合，可以使得不同數(shù)據(jù)源的異構(gòu)知識圖譜相互溝通、相互操作，提高知識圖譜的質(zhì)量。由于知識圖譜中的知識來源廣泛，存在知識質(zhì)量良莠不齊、來自不同數(shù)據(jù)源的知識重復(fù)、知識間的關(guān)聯(lián)不夠明確等問題，所以必須要進(jìn)行知識的融合。知識融合是高層次的知識組織，使來自不同知識源的知識在同一框架規(guī)范下進(jìn)行異構(gòu)數(shù)據(jù)整合、消歧、加工、推理驗(yàn)證、更新等步驟，達(dá)到數(shù)據(jù)、信息、方法、經(jīng)驗(yàn)以及人的思想的融合，形成高質(zhì)量的知識庫。其中，知識更新是一個(gè)重要的部分。人類的認(rèn)知能力、知識儲備以及業(yè)務(wù)需求都會隨時(shí)間而不斷遞增。因此，知識圖譜的內(nèi)容也需要與時(shí)俱進(jìn)，不論是通用知識圖譜，還是行業(yè)知識圖譜，它們都需要不斷地迭代更新，擴(kuò)展現(xiàn)有的知識，增加新的知識。知識融合環(huán)節(jié)兩個(gè)關(guān)鍵的任務(wù)是：實(shí)體對齊，它是指對于現(xiàn)實(shí)中的同一個(gè)實(shí)針對不易識別的實(shí)體進(jìn)行人工標(biāo)注、基于貪心算法對大規(guī)模數(shù)據(jù)進(jìn)行處理、匹配模糊字符串，對單詞進(jìn)行分類模型等方法，另外基于知識圖譜的嵌入方法也是非TransEIEAJKESEEAJAPE利用深度學(xué)習(xí)方法從不同粒度來學(xué)習(xí)實(shí)體的特征]知識推理深度學(xué)習(xí)的推理。結(jié)論作為一門新興的學(xué)科技術(shù)，知識圖譜已經(jīng)成為人工智能發(fā)展的核心領(lǐng)域。本文討論了知識圖譜的概念，以及知識圖譜的核心構(gòu)建過程。從研究來看知識的抽取和融合是研究的基礎(chǔ)，知識的推理是研究的重要應(yīng)用，未來在知識抽取和知識融合技術(shù)比較成熟的基礎(chǔ)上，研究者應(yīng)該把研究的重心逐步傾向于知識的推理，進(jìn)而豐富知識圖譜的應(yīng)用。參考文獻(xiàn)1.王萌,王昊奮,李博涵,趙翔,王鑫.新一代知識圖譜關(guān)鍵技術(shù)綜述[J/OL].計(jì)算機(jī)研究與發(fā)展:1-18[2022-03-17].2.張吉祥,張祥森,武長旭,趙增順.知識圖譜構(gòu)建技術(shù)綜述[J].計(jì)算機(jī)工程,2022,48(03):23-37.DOI:10.19678/j.issn.1000-3428.0061803.3.姚萍,李坤偉,張一帆.知識圖譜構(gòu)建技術(shù)綜述[J].信息系統(tǒng)工程,2020(05):121+123.4.于瀏洋,郭志剛,陳剛,席耀一.面向知識圖譜構(gòu)建的知