tensorflow从入门到精通100讲（五）-知识图谱（ Knowledge Graph）关系抽取之PCNN

前言

知识图谱（ Knowledge Graph）以结构化的形式描述客观世界中概念、实体及其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和理解互联网海量信息的能力。上述一大段是我从2018知识图谱发展报告中copy下来的一段话，用普通人能听懂的人话来描述:知识图谱就是把去发现世间万物的之间的联系。 在技术上就是将数据以一个一个的<subject,relation,object>的三元组形式存储起来。

不知道大家有没有这样一种感受，如果你在某一领域的学习了解到很多的知识碎片，却无法将他们关联起来，这些知识碎片并不会加深你对这一领域的认知。而如果你能将他们联系起来，串联成一张知识网，那很有可能你就是这个领域决定的专家。因为你的脑中有这个领域的知识网，你就能知道这个领域的边界在哪。知识图谱就是要将知识串联起来，形成一张知识网。

知识图谱的应用场景：

知识图谱主要分为两类：
通用知识图谱和领域知识图谱。通用知识图谱主要需要知识的广度，而领域知识图谱需要知识具有深度。

• 通用知识图谱最普遍的应用场景就是：搜索引擎，
• 领域知识图谱的应用场景则比较丰富多样：司法，医疗，金融，电商等各行各业都可以构建属于自己行业的知识图谱&#x