2024-11-08-一文打尽知识图谱.md

一文打尽知识图谱

• URL: https://www.cnblogs.com/NLPlunwenjiedu/p/15949973.html
• Added At: 2024-11-08 12:18:30
• Link To Text

TL;DR

本文概述了知识图谱的定义、发展历程、研究方向、数据集和开源库，展望了未来发展方向，包括复杂推理、统一框架、可解释性、可扩展性、知识聚合和自动构建。

Summary

1. 知识图谱概述：

   • 知识是人类认识世界的结晶，知识图谱是知识工程的重要分支，以符号形式结构化描述物理世界概念及其关系。
   • 知识图谱由实体、关系和实体组成的三元组构成，形成复杂的网状结构。
   • 知识图谱在认知和人工智能领域受到重视，并在众多实际工程项目中发挥重要作用。

2. 知识图谱发展历程：

   • 知识图谱研究已有六十年历史，经历了从图形化知识表征到语义网的发展。
   • 1956年，Richens提出语义网概念，1959年通用问题求解器（GPS）出现。
   • 20世纪70年代，专家系统成为研究热点，MYCIN系统是最著名的基于规则医学诊断专家系统。
   • 20世纪80年代，知识表征经历了Frame-based Languages、KL-ONE Frame Language的混合发展时期。
   • 1984年，Cyc项目出现，目标是编码上百万条知识。
   • 20世纪末，RDF、OWL成为语义网重要标准，开放知识库如WordNet、DBpedia、YAGO和Freebase相继发布。
   • 2012年，Google首次提出知识图谱概念，得到广泛接受。

3. 知识图谱定义：

   • Ehrlinger et al. 定义：知识图谱获取信息并将其集成到本体中，并应用推理器来获取新知识。
   • Wang et al. 定义：知识图谱是由实体和关系组成的多关系图，实体和关系分别被视为节点和不同类型的边。

4. 知识图谱研究方向：

   • 知识表征学习（KRL）：研究实体和关系的低维分布嵌入，包括表征空间、评分函数、编码模型和辅助信息。
   • 知识获取：从非结构化文本和其他源中构建知识图谱，包括知识图谱补全、实体识别、实体对齐和关系抽取。
   • 时序知识图谱（TKG）：处理时序信息，包括时序信息嵌入、动态实体、时序关系依赖和时序逻辑推理。
   • 应用（Knowledge-aware Applications）：将知识图谱应用于实际场景，如语言表征学习、问答、推荐系统和对话系统。

5. 数据集和开源库：

   • 通用领域数据集：WordNet、Cyc、DBpedia、YAGO、Freebase、NELL和Wikidata。
   • 特定领域数据集：医学、生命科学等。
   • 特定任务数据集：实体对齐、关系提取等。
   • 开源库：AmpliGraph、Grakn、Akutan等。

6. 未来发展方向：

   • 复杂推理：探索循环关系路径编码、基于GNN的知识图谱传递消息等。
   • 统一框架：对不同模型进行统一理解研究。
   • 可解释性：提高模型的可解释性，增强预测知识的可靠性。
   • 可扩展性：提高计算效率和模型表达能力。
   • 知识聚合：有效且可解释地聚合知识。
   • 自动构建与动态生成：从非结构化内容中自动构建知识图谱，并考虑时间性质。