当前位置:js代码下载 >> 新闻中心 >> qq强制聊天新闻 >> 浏览文章
qq强制聊天新闻

人工智能时代知识图谱的应用

标签:人工,人工智能,智能,时代,知识,图谱,应用,用人 发布时间:2019年05月14日 点击11
分享数:41
人工智能时代的知识图谱
近年来,随着人们对 AI 认知能力的积极探索,知识图谱因其表达能力强、拓展性好,基于知识进行推理等上风得到了学界与业界的高度关注。知识图谱,旨在描述客观世界概念、实体、事件及其之间关系,具备可诠释性,而且可以用于解决复杂决策题目。这也意味着通过深度学习与知识图谱的结合,模型底层特性空间与人类天然语言之间伟大的语义鸿沟题目有望得以解决。在大数据和机器学习两大引擎下,大规模知识图谱的主动化构建成为实际,这就加快了知识图谱的落地与应用。

传统意义上,知识图谱可以划分为通用知识图谱和领域知识图谱。例如,国外的谷歌搜索引擎和国内的百度搜索引擎,这类通用领域知识图谱是最先被大家熟知的应用;而场景的赓续雄厚、需求赓续增多、用户对体验与品质的要求赓续提高,各行各业都亟需构建领域知识图谱。
那么,从趋势到现实必要,知识图谱已经取得了哪些学术与技术成果,产业与应用发生了哪些转变?当
下知识图谱领域最关注的题目又是什么?将来,知识图谱又有哪些发展前景?


近两年知识图谱研究有一些值得关注的成果,比如:

知识抽取,如何在少量甚至无标注场景下进行知识图谱构建是一个具有挑衅性的题目。目前大家都在关注基于图神经网络、加强学习、交互式知识抽取等方法。知识融合,代表性工作有交互式知识融合以及基于透露表现学习的知识融合的工作。
知识更新,针对百科类知识图谱的主动化更新技术取得了一些突破,从而可以对百科知识进行主动化更新。
知识推理,最近两年有不少混合式推理的方法出现潍坊网页设计,也就是混合机器学习和符号推理的方法,这些方法的提出对于解决某些机器学习技术的不可诠释性,以及提拔知识图谱的推理能力都有作用。
与此同时,这些关键技术的应用也有一些突破性的进展,尤其是在知识抽取和知识融合方面:一是人机交互的商业化体系的出现,二是关于人机交互的信息抽取和知识融合的学术论文也开始。
在他看来,知识图谱透露表现学习与推理也取得了许多进展,大家开始研究知识透露表现学习在多模态数据上的应用,即结合文本、知识图谱、图像或者视频的知识透露表现学习河北人事考试网首页,以及基于知识透露表现学习的推理。
知识图谱从曩昔研究与产业界脱钩,到如今领域知识图谱成为研究的重点,开始面向解决现实的题目。比如最近司法知识图谱的构建出现了不少研究成果。另外,知识图谱用于解决问答、保举体系、图像理解方面的论文也赓续在增长。
同时,知识图谱在不偕行业也得到了广泛应用,领域知识图谱成为企业的迫切需求。例如,金融领域中的名誉评估、风险控制、反欺诈题目;医疗领域中的智能问诊题目。从通用知识图谱到领域知识图谱,知识图谱开始在越来越广泛、复杂的场景中落地并解决现实题目。
“在医疗、电商、金融、军工、电力、司法、教育、公安、石油这几个领域知识图谱已经落地并且取得了凸起成果。”漆桂林谈到。知识图谱可以帮助这些领域的公司或研究机构更好地处理多源异构数据金王子驾驶室总成,也就是说可以提供一个同一数据模型并且可以天真地集成和关联这些数据,对这些数据进行关联分析。
知识图谱的产学研必要有一个团体规划,这也是我一向在实践的。
首先必要了解产业界对知识图谱的需求,知道知识图谱可以解决什么应用问,带来什么价值。

其次,通过了解知识图谱落地的挑衅,确定知识图谱的研究课题。从短期和长期来看,短期课题是要解决产业界急迫的题目,

比如少量标注情况下的信息抽取方法的研究;而长期课题是面向三年之后可能对知识图谱落地有效的技术,比如无标注场景下的信息抽取技术。

最后,让知识图谱技术可以快速普及。



TAG标签耗时:0.00081419944763184 秒