Tai_Park

知识图谱与语义技术概述：Vannevar BushSir Tim Berners-Lee：以链接为中心的系统 语义网：从链接文本到链接数据语义网络(Semantic Network)->本体论(Ontology)->Web->The Semantic Web->Link Data->知识图谱(Knowledge Graph,KG) KG辅助...

不同搜索模式之间的技术差异：1、对用户需求的表示(query model)2、对底层数据的表示(data model)3、匹配方法(matching technique) 信息检索(IR)支持对文档的检索(document retrieval)数据库(DB)和知识库专家系统(Knowledge-based Expert System)可以提供更加精确的答案(data ret...

语义解析Logic Form 可以视为图模板Graph TemplateAlignment：文本短语KB Predicates从短语到KB Predicates的匹配Bridging操作——链接两个Unaries/Event Modifiers通过Composition产生候选Logic Form(Derivation)训练模型来估计给定问句生成的一个逻辑表达式的概...

OWL本体语言 是KG语言中最规范(W3C)、最严谨(描述逻辑)、表达能力最强(一阶谓词逻辑的子集)的语言 一个描述逻辑系统包含四个基本组成部分：1、最基本的元素：概念、关系、个体2、TBox术语集(概念术语的公理集合)3、ABox断言集(个体断言集合)4、TBox和ABox上的推理机制 概念：学生关系：朋友个体：小明TBox：泛化的知识。描述概...

知识问答概述和相关数据集 基于模板的问答专家系统->基于信息检索的问答->基于社区的问答->基于知识库的问答 测评数据集 QALD，是多语言的链接数据问答系统的评测竞赛活动多语种问答/基于链接数据的问答/Hybrid QA，基于RDF and free text data WebQuestions Free917 KBQA基本概...

图数据库Graph Database面向图的数据库数据模型以节点和关系(边)来体现，也可以处理键值对原生的/非原生的(RDBMS/NoSQL) Apach Jena开源数据库安装：docker pull stain/jena-fuseki启动：docker run -d -p 3030:3030 -e "ADMIN_PASSWORD=test@jena" sta...

知识融合Konwledge Fusion目标：融合各层面的知识合并两个知识图谱(本体)，需要确认：1、等价实例sameAs2、等价类、子类subClassOf3、等价属性、子属性subPropertyOf 同一实体来源于不同知识库，KG的构建经常需要融合多种不同来源的数据实体对齐是知识图谱融合的主要工作KG中可以复用其他KG中的标签跨语言知识融合 知...

知识抽取任务定义和相关比赛 知识可以来自于关系型数据库、外部的开放知识图谱的数据、客户的日志等结构化数据以及表格、关键词、引用等半结构化数据和文本数据、多媒体数据等非结构化数据。 Data acquisition->LD Dataset(Vocabulary Mapping->Interlinking->Cleansing->Integrated Datas...

面向文本的知识抽取 关系抽取方法:特征向量/核函数/深度学习/通用模型/模板匹配/图推理 DeepDive关系抽取实战 KBC系统填充,融合不同来源的知识输入:非结构化的期刊文章/半结构化的html,table等输出:结构化知识库特征工程+distant supervision+图优化考虑全局最优而不是某三元组最优文本预处理->特征抽取(OCR...

早期知识表示简介： 知识是智能的基础，提供推理能力。相对正确性、不确定性、可表示性、可利用性。 常识性知识、领域性知识；事实性知识、过程性知识、控制知识；确定性知识、不确定性知识。 早期知识表示方法： 1、First-Order LogicHorn逻辑：原子：has_child(Helen,Jack)Rules:has_child(X,Y):...

行业KG简介： 谷歌知识图谱：things not strings面向全领域的通用知识图谱强调的是广度，因而强调的更多是以实体为中心的 开放的知识图谱社区：OpenKG.CN 行业知识图谱：Palantir面向特定领域的知识图谱需要一定的深度与完备性对准确度要求非常高有严格而丰富的数据模式 行业KG应用： 金融、生物、图书、电商、农业...