《人工智能技术基础》课件-第六章 知识图谱

人工智能技术基础计算机与软件学院第六章知识图谱01什么是知识图谱02知识图谱架构03知识图谱构建04知识图谱应用01什么是知识图谱机器知识库自动推理辅助决策人脑知识库人类思维决策知识图谱人脑思维知识图谱是知识工程的一个分支，是以知识工程中的语义网络作为理论基础，结合了机器学习、自然语言处理、知识表示和知识推理等相关技术，以结构化的形式来描述客观世界中的各种概念和实体间的关系，使机器在信息表达方面能够更加接近人类的思维方式。什么是知识图谱：一般定义传统的搜索引擎主要采用基于关键词的搜索技术，搜索结果是一个包含关键词的网页列表。基于知识图谱的搜索引擎采用语义网络的搜索技术，搜索结果直接给出用户需要的答案，极大改善了用户体验。搜索结果直接给出了答案给出了人物的关系图谱什么是知识图谱：语义搜索知识图谱本质上是一种叫做语义网络（SemanticNetwork）的知识库，是一个采用有向图结构建立起来的知识库，旨在描述真实世界中存在的各种实体或概念及其关联关系，其构成一张巨大的语义网络图。

节点表示概念或者实体，边则由关系和属性构成。高质量的搜索效果归功于搜索引擎背后的知识图谱什么是知识图谱：语义网络知识的一个经典定义来自于柏拉图：一条陈述能称得上是知识则必须满足三个条件，即知识一定是被验证过的、正确的、被人们相信的，这也是科学与非科学的区分标准。数据是反映客观事物运动状态的信号通过感觉器官或观测仪器感知而形成的文本、数字、事实或者图像等符号形式的记录。数据是原始的记录，未被加工解释，没有回答特定的问题，与其他数据之间没有建立相互联系。信息是对数据进行加工处理，使数据之间建立相互联系，形成回答了某个特定问题的文本，以及能够被解释成有具体意义的数字、事实、图像等。信息是隐藏在数据背后的规律，需要人类的挖掘和探索才能够发现。数据信息知识来源于数据和信息，但不是数据和信息的简单积累。知识是可用于指导实践的信息，是人们在改造世界的实践中所获得的认识和经验的总和，是人类对物质世界以及精神世界探索的结果总和，是数据和信息更加高级抽象的概念。知识什么是知识图谱：知识的定义本体通常用来描述领域知识，是从客观世界中抽象出来的一个概念模型，这个模型包含了某个学科领域内的基本术语和术语之间的关系，或者称为概念以及概念之间的关系。本体表示法知识表示的方法有很多种，而在知识图谱中应用最为广泛的是本体表示法和语义网络表示法概念是某一领域内相同性质对象集合的抽象表示形式。例如在教育领域的本体中，教师、学生、课程都是概念实例是概念中的特定元素，一般都对应着客观世界的具体事物，例如《人工智能技术基础》课程是课程概念的一个实例关系是概念与概念之间或者概念与实例之间的关系类型，例如羊和绵羊这两个概念之间存在概念与子概念的层次关系，绵羊属于羊什么是知识图谱：知识表示（1）语义网络是一种通过概念及其语义联系来表示知识的有向图，其基本单元是节点和边。节点表示事物、概念、情况、属性、状态、事件和动作等，边表示节点之间的联系或关系。语义网络表示法知识表示的方法有很多种，而在知识图谱中应用最为广泛的是本体表示法和语义网络表示法什么是知识图谱：知识表示（2）猪和羊是动物猪和羊都是哺乳动物野猪是猪，生活在森林里山羊是一种羊，头上长着角绵羊是羊，能够生产羊毛语义网络描述的是事实/知识第六章知识图谱01什么是知识图谱02知识图谱架构03知识图谱构建04知识图谱应用02知识图谱架构

数据层（DataLayer）是将事实以“实体-关系-实体”或“实体-属性-属性值”三元组的形式进行存储，形成一个网状的知识库。在知识图谱的数据层，用节点表示实体，用边表示实体间关系或实体的属性。举例：（中国，首都，北京）模式层（SchemaLayer）是知识图谱的概念模型和逻辑基础，对数据层进行规范约束，多采用本体作为知识图谱的模式层，借助本体定义的规则和公理来约束知识图谱的数据层，即按照模式层的规范来组织和管理数据层。举例：（国家，拥有，人口）数据层模式层数据层存储和管理的是以事实为单位的知识；模式层位于数据层的上层，是知识图谱的核心层，存储和管理的是经过提炼和抽象的知识。知识图谱架构：逻辑架构知识抽取从原始数据中抽取知识要素知识表示将知识单元表示成计算机可以理解和处理的形式知识融合将不同来源的知识整合起来质量评估对不准确或者错误的知识进行修正知识推理模拟人类思维的推理方式，挖掘隐含的知识从最原始的数据出发，采用一系列自动或者半自动的技术手段，从原始数据和第三方知识库中提取知识事实，并将其存入知识库的数据层和模式层知识图谱架构：技术架构第六章知识图谱01什么是知识图谱02知识图谱架构03知识图谱构建04知识图谱应用03知识图谱构建根据知识图谱的逻辑架构，知识图谱的构建过程就是模式层和数据层的实现过程。

知识图谱的构建是以原始数据为输入，依次经过数据处理、知识抽取、知识融合、知识存储、知识计算和知识服务多个流程，最终通过服务接口对外提供服务，支撑各行各业的知识应用。知识图谱构建（1）知识图谱的核心是基于语义网络的知识库，一条条知识是以计算机能够处理和理解的形式保存在知识库中，数据是知识的来源和基础，特别是来自互联网的数据具有丰富性和多样性的特点，因此要求知识图谱能够处理大规模的异构数据。

按照不同类型数据的特点，通常将数据分为三类：结构化数据、非结构化数据和半结构化数据。1.原始数据结构化数据关系数据库二维表半结构化数据HTMLXMLJSON非结构化数据文档图片声音视频结构化数据示例半结构化数据示例知识图谱构建（2）知识建模的理论基础是本体论，根据概念间的上下位关系将概念组织成树结构或者有向图无环结构，根据概念间的上下位关系及其组织结构能够进行知识推理。知识图谱对接外部数据源进行原始数据的采集和处理，包括结构化数据、半结构化数据、非结构化数据。

针对不同类型的原始数据，有着不同的处理技术。2.知识建模3.数据处理知识抽取主要是从数据中抽取构成知识的基本元素，主要包括实体、关系、属性、属性值以及事件信息，将知识元素组织成知识条目。4.知识抽取知识图谱构建（3）知识融合的目的就是将不同来源的知识进行合并整合，消除知识之间的不一致性、歧义性、冲突性、冗余性。

知识融合所涉及的技术主要包括实体对齐、实体消岐和指代消解。经过知识融合和质量评估处理之后，得到的是最终确定的高质量的知识，需要存储到知识库中永久保存。

通常采用两种知识存储的方式：RDF三元组和属性图。5.知识融合6.知识存储受到当前技术水平的限制，从外部公共开放域采集并抽取的知识有可能存在质量问题，甚至可能存在错误，同时通过知识推理产生的新知识也可能不准确，因此知识在存储到知识库之前，需要有一个质量评估的过程。7.知识管理知识图谱构建（4）知识图谱的语义网络知识库是一个庞大的图形结构的知识网络，在各种图算法的支持下，提供了强大的图计算能力，能够高效地进行图遍历、路径计算、社群计算、相似子图计算、本体推理、规则推理等一系列的计算。知识服务是将知识图谱的知识计算能力封装成一种服务能力，提供给上层的知识应用，上层应用可以通过服务API接口调用知识图谱的能力，从而支撑应用实现相应的业务场景。8.知识计算9.知识服务目前基于知识图谱的应用非常广泛，已渗透到各行各业。例如搜索引擎的语义搜索、语音助理的智能问答、电子商务网站的个性化推荐、公安机关的情报分析、金融行业的风险控制等，都是知识图谱大显身手的领域。10.知识应用知识图谱构建（5）第六章知识图谱01什么是知识图谱02知识图谱架构03知识图谱构建04知识图谱应用04知识图谱应用行业应用金融证券公安电商生活娱乐农业医疗制造其他智能语义搜索金融反欺诈智能制造