柚子快報激活碼778899分享：人工智能 知識圖譜導論期末復習

http://yzkb.51969.com/

目錄

第一章

第二章 知識圖譜的表示

第三章 知識圖譜的存儲和構建

第四章 知識圖譜的抽取和構建

第五章 知識圖譜推理

第六章 知識圖譜融合

第七章 ?知識圖譜問答

第一章

典型知識圖譜項目：

Freebase、WikiData、Schema.org、dbpedia、yago

中文領域開放知識圖譜：OpenKG.CN

知識圖譜的應用：

語義搜索、知識問答、輔助推薦、輔助大數(shù)據(jù)分析、輔助語言理解、輔助視覺理解

垂直領域應用：

醫(yī)療健康、金融、農業(yè)、電商、通信

第二章 知識圖譜的表示

1.符號表示：

屬性圖、RDF（向上對接OWL等更豐富的語義表示和推理能力， 向下對接簡化后的屬性圖數(shù)據(jù)庫以及圖計算引擎）、RDFS、OWL

2.向量表示

第三章 知識圖譜的存儲和構建

1.基于關系型數(shù)據(jù)庫的存儲：三元組表、屬性表存儲、二元表存儲（垂直劃分表）、全索引結構

2.基于原生圖數(shù)據(jù)庫的存儲：

RDF圖模型、屬性圖模型

區(qū)分原生圖存儲和非原生圖存儲：

原生圖存儲在復雜關聯(lián)查詢和圖計算方面有性能優(yōu)勢，非原生圖存儲兼容已有工具集通常學習和協(xié)調成本會低。

區(qū)分RDF圖存儲和屬性圖存儲：

RDF存儲一般支持推理，屬性圖存儲通常具有更好的圖分析性能優(yōu)勢。

Tbox，是有關概念和關系的蘊涵斷言集合，描述概念和關系的一般屬性

Abox，是有關個體的實例斷言集合，斷言一個個體是某個概念的實例，或者兩個個體之間存在某種關系。

第四章 知識圖譜的抽取和構建

1.知識獲取的方式

從關系數(shù)據(jù)庫獲取、從視覺圖像獲取、從文本獲取

2.實體識別的方法：

基于模板和規(guī)則、

基于序列標注（序列標注模型：HMM，序列預測模型：CRF）、

基于預訓練語言模型

3.關系抽取的方法：

基于模板、基于監(jiān)督學習、基于機器學習、基于預訓練語言模型、

4.屬性補全的方法：抽取式（輸入文本中出現(xiàn)過的）：基于模板、基于機器學習模型 ??

生成式：基于機器學習模型

5.概念抽取的方法：

基于模板、基于百科、基于機器學習

6.事件抽取的方法：

模式匹配、機器學習、弱監(jiān)督

第五章 知識圖譜推理

1.推理類型：

演繹推理、歸納推理、溯因推理、類比推理

2.基于符號邏輯的推理

基于OWL的本體推理

基于Datalog的規(guī)則推理（產生式規(guī)則）

3.基于表示學習的推理

1.基于嵌入學習：嵌入模型：TransE、TransH、TransR、TransD、DistMult

2.基于規(guī)則學習：PRA（圖結構）、AMIE、NeuraILP

第六章 知識圖譜融合

1.本體匹配

方法：術語匹配（基于字符串、基于語言）、結構匹配

2.實體對齊

基于Embedding（合并預先匹配好的實體，把兩個網(wǎng)絡合并為一個網(wǎng)絡，用單一網(wǎng)絡的嵌入表 示進行嵌入。）

3.知識融合工具：Silk、OpenEA、EAKit

第七章 ?知識圖譜問答

1.基于模板的問答

流程：模板生成、模板實例化、查詢排序、獲取結果

2.基于語義解析的問答

步驟：短語檢測、資源映射、語義組合、邏輯表達式生成

3.基于檢索排序的問答

排序模型：基于特征、基于子圖匹配、基于向量表示、基于記憶網(wǎng)絡

4.基于深度學習的問答

柚子快報激活碼778899分享：人工智能 知識圖譜導論期末復習

http://yzkb.51969.com/

精彩文章