abandon794的博客

定义：从文本中识别实体边界，并进一步判断其类别将关系抽取建模为分类问题：首先预定义好所有的关系类别，然后人工标注一些包含这些关系描述的句子，设计特征表示， 选择机器学习模型，利用标注好的数据训练机器学习模型对实体拥有的属性和属性值进行补全现实世界的任何事物都需要若干属性来描述和修饰概念是人类在认识过程中把所感知事物的共同本质特点抽象出来加以概括的表达。

图的形式化定义：通常由节点集合V、边集合E组成，图中可能存在R种类型的边。每条边可以描述为一个由就节点和边类型组成的三元组。不同的图按照图结构和类型可分为：有向图和无向图、带传送图和不带传送图、稀疏图和稠密图、有环图和无环图、同构图（图中只有一种类型的节点或一种类型的边）和异构图（图中存在多种类型的节点或多种类型的边）。

属性图和RDF图模型都是有向标记图，其中包含两类信息：图的结构信息＋节点和边的标记所组成的语义类型信息根据其特点，需要考虑三个方面的问题SPARQL是针对RDF设计的语义查询语言，在语法上和SQL类似a、直接存三元组，利用关系数据库组建一张包含三元组的表，然后把所有的三元组存入其中 缺点是查询效率低下b、c、d、在图数据库中关系是被显示描述的，且属性可以单独定义，属性、关系、实体类型是平等的同时图数据库可以充分利用图的结构特点构建索引

传统人工智能领域有一个研究方向——知识工程与专家系统，其基本思想是建立一个系统，从专家大脑获取知识，再通过一个推理引擎，为非专家用户提供服务。 符号表示：传统AI领域知识的表示方法以符号表示为主，以计算机符号来表示人脑中的知识逻辑。其缺点是不易于刻画隐式的知识，同时推理过于依赖知识描述的精确性，比如一个字符串表示稍有错误就无法完成推理。 向量表示：而现在，随着深度学习和表示学习的兴起，用参数化向量来表示实体以及实体之间的关系，并利用神经网络来实现更加鲁棒的推理，优点是易于捕获隐式

人工智能起源时的两个流派： 联结主义和符号主义两种方式的人工智能对于实现真正的人工智能缺一不可语言是知识最直接的载体，人类绝大部分的知识都是通过语言来描述、记录和传承的人类的自然语言，以及创作的绘画和音乐、数学语言、物理模型、化学公式等都是人类知识的表式和传承方式。具有获取、表示和处理知识的能力是人类心智区别于其它物种心智的最本质特征，也是人脑智能的最本质特征问题：既然人脑能够从文本获取和学习知识，机器脑也应该具备从文本中抽取知识的能力，但机器并不能直接读取文本字符串知识图谱旨在利用图结构建模、识别和推断事