qq_42383283的博客

文章目录1. 知识图谱1.1 无处不在的图结构1.2 知识图谱介绍1.3 知识图谱概念1.4 知识图谱构建流程1.4.1 知识抽取1.4.2 知识融合1.4.3 知识加工1.4.4 知识更新1.5 知识图谱应用2. 图神经网络2.1 图数据与其他数据区别2.2 图数据2.3 图2.3 图任务2.4 图神经网络2.5图卷积神经网络 GCN3.图神经网络在知识图谱中应用1. 知识图谱1.1 无处不在的图结构在我们现实生活中存在着大量的图结构，图结构能方便准确的建模现实世界，并且描述现实世界中各事

图神经网络及认知推理-唐杰-清华大学图神经网络及认知推理无处不在的网络数据特点：数据规模大从机器学习的角度，网络结构任务：网络嵌入/网络表示学习与图神经网络相关研究:网络表示学习/图嵌入给定网络学习网络中每个节点的表示，使用低维向量在低维空间表示节点，具有相似标签的节点得到的节点表示更靠近。网络表示学习为什么比较难？现在的深度学习工具箱是为简单的序列或规则的网格设计的CNNs用于固定大小的图像/网格RNNs或word2vec用于文本/序列但是网络中的结构更复杂！复

来源：DataFun202201期月刊分享人：赵学敏 博士 京东科技 知识挖掘算法团队负责人导读：在电商企业采购和运营过程中，如果要想掌握商品的实时价格等行情信息，就需要对齐各个电商网站的商品。由于各个电商网站的运营体系不同，网站的类目体系、商品属性等等往往存在很大差异，需要将这些实体信息进行统一的对齐和匹配。此外，还需要考虑在数以亿级的商品体量下，商品信息有各种错误的情况下如何提升算法效果。本文将介绍商品图谱构建与表示、实体对齐等技术在电商领域的一些具体实践和应用。

CREATE (myroot:Entity {modelType:'target', name:"myroot", tableType:'table'})CREATE (myroot_myjh:attribute {name:'myjh'})CREATE (myroot_myjd:attribute {name:'myjd'})CREATE (myroot_myjh)-[:att]->(myroot),//该语句不能按想象地建立上面两个变量之间的关系，上面语句的变量不能传递到下面重复执行会重复

第一节：什么是知识表示知识表示（Knowledge Representation）就是用易于计算机处理的方式来描述人脑的知识的方法。KR不是数据格式、不等同于数据结构、也不是编程语言，对人工智能而言，数据与知识的区别在于KR支持推理。知识表示（KR）的五个用途：{客观事物的机器标识一组本体约定和概念模型支持推理的表示基础用于高效计算的数据结构人可理解的机器语言KR = Computational Model of Reality第二节：人工智能历史发展长河中的知识表示