技术标签: 知识图谱
学习笔记,仅结合个人需求针对报告进行提炼,必有不详细的地方,欢迎评论区留言讨论
Reference:
知识图谱发展报告(2018) 前言[A]. 中国中文信息学会、语言与知识计算专委会.知识图谱发展报告(2018)[C].:中国中文信息学会,2018:8.
知识图谱以结构化的形式描述客观世界中概念、实体及其关系,将互联网的信息表达成更接近人类认知世界的形式,提供了一种更好地组织、管理和理解互联网海量信息的能力。知识图谱技术是指知识图谱建立和应用的技术,是融合认知计算、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方向的交叉研究。知识图谱在知识融合、语义搜索和推荐、问答和对话系统、大数据分析与决策系统中凸显出重要的应用价值。
知识工程的发展分为5
个阶段:
具有代表性的知识图谱:DBpedia,Freebase,KnowItAll,WikiTaxonomy,YAGO,BabelNet,ConceptNet,DeepDive,NELL,Probase,Wikidata,XLore,Zhishi.me
知识图谱技术分为三个部分 : 知识图谱构建技术、知识图谱查询和推理技术,以及知识图谱应用。
RDF
形式进行存储管理,对知识图谱的查询支持SPARQL
查询目前大多数知识图谱的实际存储方式都是以传统符号化的表示方法为主。大多数开放域的知识图谱都是基于语义网的表示模型进行了扩展或删改。
RDF
是最常用的符号语义表示模型。RDF的基本模型是有向标记图(Directed Labeled Graph
)。图中的每一条边对应于一个三元组(Subject
-主语,Predicate
-谓语,Object
-宾语)
依据知识图谱嵌入表示模型建模原理将基于向量的知识表示模型划分为翻译模型、组合模型、神经网络模型。
word2vec
中词汇关系的平移不变性,典型的方法包括基于向量的三角形法则和范数原理的TransE
模型,通过超平面转化或线性变换处理多元关系的TransH
、TransR
和TransD
模型,通过增加一个稀疏度参数向量解决异构多元关系的TranSparse
模型等RESCAL
、采用低秩矩阵的LFM
、采用对角矩阵的DistMult
和采用循环矩阵的HolE
SME
、采用单层非线性网络的SLM
、NTN
和MLP
,以及采用多层网络结构的NAM
Cyc
是在1984年由 Douglas Lenat 开始创建。最初的目标是要建立人类最大的常识知识库WordNet
由普林斯顿大学认识科学实验室从1985年开始开发。WordNet
的表示框架主要定义了名词、动词、形容词和副词之间的语义关系。例如名词之间的上下位关系(如:“猫科动物”是“猫”的上位词),动词之间的蕴含关系(如:“打鼾”蕴含着“睡眠”)等。WordNet3.0
已经包含超过15万个词和20万个语义关系ConceptNet
是常识知识库,库以三元组形式的关系型知识构成Freebase
基于RDF三元组模型,底层采用图数据库DBPedia
意指数据库版本的 Wikipedia,是从Wikipedia 抽取出来的链接数据集。DBPedia
采用了一个较为严格的本体,包含人、地点、音乐、电影、组织机构、物种、疾病等类定义Schema.org
是 2011 年起,由 Bing、Google、Yahoo 和 Yandex等搜索引擎公司共同支持的语义网项目WikiData
的目标是构建一个免费开放、多语言、任何人或机器都可以编辑修改的大规模链接知识库围绕知识图谱表示的一个重要的研究趋势和动态是:把符号逻辑与表示学习结合起来研究更加鲁棒、易于捕获隐含知识、易于与深度学习集成、并适应大规模知识图谱应用的新型表示框架。
人们通常以网络的形式组织知识库中的知识,网络中每个节点代表实体(人名、地名、机构名、概念等),而每条连边则代表实体间的关系。然而,基于网络形式的知识表示面临诸多挑战性难题:计算效率和数据稀疏(长尾分布)。
知识表示学习面向知识库中的实体和关系进行学习,优点包括:提升计算效率、缓解数据稀疏和实现异质信息融合。
现有知识表示学习方法无法有效地处理知识图谱中的复杂关系。这里的复杂关系定义如下。按照知识库中关系两端连接实体的数目,可以将关系划分为1-1
、1-N
、N-1
和N-N
四种类型。例如N-1
类型关系指的是,该类型关系中的一个尾实体会平均对应多个头实体,即我们将1-N
、N-1
和N-N
称为复杂关系。
现有的知识表示学习模型仅利用知识图谱的三元组结构信息进行表示学习,尚有大量与知识有关的其他信息没有得到有效利用
在知识图谱中,多步的关系路径也能够反映实体之间的语义关系。关系路径蕴含着丰富的信息。如何突破知识表示学习孤立学习每个三元组的局限性,充分考虑关系路径信息是知识表示学习的关键问题
结构表示 => 单层神经网络 => 语义匹配能量模型 => 隐变量模型 => 张量神经网络模型 => 基于矩阵分解的RESACL
此外,Bordes 等人受到词向量空间对于词汇语义与句法关系存在有趣的平移不变现象的启发,提出了TransE
模型
Trans系列模型:
TransH
模型让一个实体在不同的关系下拥有不同的表示。TransR
模型对每个三元组,首先应将实体利用矩阵投影到对应的关系空间中,然后再建立从头实体到尾实体的翻译关系。TransD
模型和TranSparse
模型对TransR 模型中的投影矩阵进行了进一步的优化。TransG
模型和KG2E
模型提出了利用高斯分布来表示知识库中的实体和关系,可以在表示过程中考虑实体和关系本身语义上的不确定性。
在融合上述信息进行知识表示学习方面,已经有一些研究工作,但总体来讲还处于起步状态。DKRL
模型提出在知识表示学习中考虑Freebase等知识库中提供的实体描述文本信息。在文本表示方面,DKRL 考虑了两种模型:一种是 CBOW,将文本中的词向量简单相加作为文本表示;一种是卷积神经网络,能够考虑文本中的词序信息。
Path-based TransE
待更
[知识图谱发展报告2018(3)——知识图谱系列]()
[知识图谱发展报告2018(4)——知识图谱系列]()
[知识图谱发展报告2018(5)——知识图谱系列]()
[知识图谱发展报告2018(6)——知识图谱系列]()
文章浏览阅读1k次。通过使用ajax方法跨域请求是浏览器所不允许的,浏览器出于安全考虑是禁止的。警告信息如下:不过jQuery对跨域问题也有解决方案,使用jsonp的方式解决,方法如下:$.ajax({ async:false, url: 'http://www.mysite.com/demo.do', // 跨域URL ty..._nginx不停的xhr
文章浏览阅读2k次。关于在 Oracle 中配置 extproc 以访问 ST_Geometry,也就是我们所说的 使用空间SQL 的方法,官方文档链接如下。http://desktop.arcgis.com/zh-cn/arcmap/latest/manage-data/gdbs-in-oracle/configure-oracle-extproc.htm其实简单总结一下,主要就分为以下几个步骤。..._extproc
文章浏览阅读1.5w次。linux下没有上面的两个函数,需要使用函数 mbstowcs和wcstombsmbstowcs将多字节编码转换为宽字节编码wcstombs将宽字节编码转换为多字节编码这两个函数,转换过程中受到系统编码类型的影响,需要通过设置来设定转换前和转换后的编码类型。通过函数setlocale进行系统编码的设置。linux下输入命名locale -a查看系统支持的编码_linux c++ gbk->utf8
文章浏览阅读750次。今天准备从生产库向测试库进行数据导入,结果在imp导入的时候遇到“ IMP-00009:导出文件异常结束” 错误,google一下,发现可能有如下原因导致imp的数据太大,没有写buffer和commit两个数据库字符集不同从低版本exp的dmp文件,向高版本imp导出的dmp文件出错传输dmp文件时,文件损坏解决办法:imp时指定..._imp-00009导出文件异常结束
文章浏览阅读143次。当下是一个大数据的时代,各个行业都离不开数据的支持。因此,网络爬虫就应运而生。网络爬虫当下最为火热的是Python,Python开发爬虫相对简单,而且功能库相当完善,力压众多开发语言。本次教程我们爬取前程无忧的招聘信息来分析Python程序员需要掌握那些编程技术。首先在谷歌浏览器打开前程无忧的首页,按F12打开浏览器的开发者工具。浏览器开发者工具是用于捕捉网站的请求信息,通过分析请求信息可以了解请..._初级python程序员能力要求
文章浏览阅读7.6k次,点赞2次,收藏6次。@Service标注的bean,类名:ABDemoService查看源码后发现,原来是经过一个特殊处理:当类的名字是以两个或以上的大写字母开头的话,bean的名字会与类名保持一致public class AnnotationBeanNameGenerator implements BeanNameGenerator { private static final String C..._@service beanname
文章浏览阅读6.9w次,点赞73次,收藏463次。1.前序创建#include<stdio.h>#include<string.h>#include<stdlib.h>#include<malloc.h>#include<iostream>#include<stack>#include<queue>using namespace std;typed_二叉树的建立
文章浏览阅读7.1k次。在Asp.net上使用Excel导出功能,如果文件名出现中文,便会以乱码视之。 解决方法: fileName = HttpUtility.UrlEncode(fileName, System.Text.Encoding.UTF8);_asp.net utf8 导出中文字符乱码
文章浏览阅读2.1k次,点赞4次,收藏23次。第一次实验 词法分析实验报告设计思想词法分析的主要任务是根据文法的词汇表以及对应约定的编码进行一定的识别,找出文件中所有的合法的单词,并给出一定的信息作为最后的结果,用于后续语法分析程序的使用;本实验针对 PL/0 语言 的文法、词汇表编写一个词法分析程序,对于每个单词根据词汇表输出: (单词种类, 单词的值) 二元对。词汇表:种别编码单词符号助记符0beginb..._对pl/0作以下修改扩充。增加单词
文章浏览阅读773次。我在使用adb.exe时遇到了麻烦.我想使用与bash相同的adb.exe shell提示符,所以我决定更改默认的bash二进制文件(当然二进制文件是交叉编译的,一切都很完美)更改bash二进制文件遵循以下顺序> adb remount> adb push bash / system / bin /> adb shell> cd / system / bin> chm..._adb shell mv 权限
文章浏览阅读6.8k次,点赞12次,收藏125次。1. 单目相机标定引言相机标定已经研究多年,标定的算法可以分为基于摄影测量的标定和自标定。其中,应用最为广泛的还是张正友标定法。这是一种简单灵活、高鲁棒性、低成本的相机标定算法。仅需要一台相机和一块平面标定板构建相机标定系统,在标定过程中,相机拍摄多个角度下(至少两个角度,推荐10~20个角度)的标定板图像(相机和标定板都可以移动),即可对相机的内外参数进行标定。下面介绍张氏标定法(以下也这么称呼)的原理。原理相机模型和单应矩阵相机标定,就是对相机的内外参数进行计算的过程,从而得到物体到图像的投影_相机-投影仪标定
文章浏览阅读2.2k次。文章目录Wayland 架构Wayland 渲染Wayland的 硬件支持简 述: 翻译一篇关于和 wayland 有关的技术文章, 其英文标题为Wayland Architecture .Wayland 架构若是想要更好的理解 Wayland 架构及其与 X (X11 or X Window System) 结构;一种很好的方法是将事件从输入设备就开始跟踪, 查看期间所有的屏幕上出现的变化。这就是我们现在对 X 的理解。 内核是从一个输入设备中获取一个事件,并通过 evdev 输入_wayland