知识图谱
关注
分享
扫一扫
zjrn
这个作者很懒，什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
知识图谱概念篇
随着互联网的发展，网络数据内容呈现爆炸式增长的态势。由于互联网内容的大规模、异质多元、组织结构松散的特点，给人们有效获取信息和知识提出了挑战。知识图谱（Knowledge Graph) 以其强大的语义处理能力和开放组织能力，为互联网时代的知识化组织和智能应用奠定了基础。最近，大规模知识图谱库的研究和应用在学术界和工业界引起了足够的注意力。知识图谱旨在描述现实世界中存在的实体以及实体之间的关系。知识...转载 2018-05-28 16:38:07 · 4869 阅读 · 0 评论 -
揭开知识库问答KB-QA的面纱7·深度学习下篇（二）
内容速览引入注意力机制的KB-QA深度学习篇小结我们紧接上篇揭开知识库问答KB-QA的面纱7·深度学习下篇（一）的内容，为大家介绍注意力机制的KB-QA文章Question Answering over Knowledge Base with Neural Attention Combining Global Knowledge Information由中科院自动化所刘康老师等人在2016年发表在...转载 2018-06-06 10:02:27 · 1760 阅读 · 1 评论 -
揭开知识库问答KB-QA的面纱7·深度学习下篇（一）
内容速览什么是记忆网络基于记忆网络的KB-QA在上两期，我们分别介绍了使用深度学习的卷积神经网络对向量建模和语义解析方法进行提升的两篇经典论文。今天我们将为大家带来两篇使用深度学习其他两种经典模型进行KB-QA的文章，分别是记忆网络（Memory Network）和带注意力机制的循环神经网络（Recurrent Neural Networks with Attention Mechanism）。它...转载 2018-06-06 10:01:20 · 3707 阅读 · 0 评论 -
揭开知识库问答KB-QA的面纱6·深度学习中篇
内容速览语义解析方法的再思考什么是查询图查询图的阶段生成各阶段的特征论文实验与总结在上期，我们介绍了深度学习对传统向量建模KB-QA方法进行提升的一篇代表论文，可以看出它的效果击败了当时所有的传统方法。本期，我们将以深度学习提升语义解析方法的一篇代表作为例，作为深度学习篇的中篇，为大家进一步揭开知识库问答的面纱。我们在揭开知识库问答KB-QA的面纱2·语义解析篇中介绍了传统方法之一的语义解析（Se...转载 2018-05-30 11:11:49 · 1926 阅读 · 0 评论 -
揭开知识库问答KB-QA的面纱5·深度学习上篇
内容速览向量建模方法的再思考Multi-Column卷积神经网络实验分析与总结自2015年开始，深度学习用于KB-QA的方法取得了很好的效果，并逐渐成为了KB-QA的主流方法。也涌现出了一批使用深度学习提升传统的语义解析、信息抽取和向量建模方法的优秀论文。本期，我们先以深度学习提升向量建模方法为例，作为深度学习篇的上篇，为大家进一步揭开知识库问答的面纱。我们在揭开知识库问答KB-QA的面纱4·向量...转载 2018-05-30 09:41:59 · 2253 阅读 · 0 评论 -
揭开知识库问答KB-QA的面纱4·向量建模篇
内容速览向量建模的核心思想如何用分布式表达表示答案和问题如何训练分布式表达论文实验与总结本期我们将介绍KB-QA传统方法之一的向量建模（Vector Modeling），我们以一个该方法的经典代表作为例，为大家进一步揭开知识库问答的面纱。该方法来自Facebook公司Bordes A, Chopra S, Weston J的论文 Question answering with subgraph e...转载 2018-05-29 19:06:13 · 820 阅读 · 3 评论 -
揭开知识库问答KB-QA的面纱3·信息抽取篇
内容速览 你是如何通过知识库回答问题的 如何确定候选答案 如何对问题进行信息抽取 如何筛选候选答案 论文实验与总结 本期我们将介绍KB-QA传统方法之一的信息抽取（Information Extraction），我们以一个该方法的经典代表作为例，为大家进一步揭开知识库问答的面纱。该方法来自约翰·霍普金斯大学Yao X, Van Durme B.的 Information Extraction ov...转载 2018-05-29 16:27:44 · 1093 阅读 · 0 评论 -
揭开知识库问答KB-QA的面纱2·语义解析篇
内容速览 什么是语义解析（Semantic Parsing） 什么是逻辑形式（Logic Form） 语义解析KB-QA的方法框架 实验结果本期我们从传统方法之一的语义解析（有时也被称为语义分析）开始，以一个经典的语义解析baseline方法为例，介绍语义解析如何进行KB-QA。该方法来自斯坦福Berant J, Chou A, Frostig R, et al. 的Semantic Parsin...转载 2018-05-29 14:18:22 · 1811 阅读 · 0 评论 -
揭开知识库问答KB-QA的面纱1·简介篇
内容速览 什么是知识库（knowledge base, KB） 什么是知识库问答（knowledge base question answering, KB-QA） 知识库问答的主流方法 知识库问答的数据集什么是知识库“奥巴马出生在火奴鲁鲁。”“姚明是中国人。”“谢霆锋的爸爸是谢贤。”这些就是一条条知识，而把大量的知识汇聚起来就成为了知识库。我们可以在wiki百科，百度百科等百科全书查阅到大量的知...转载 2018-05-29 14:16:28 · 1478 阅读 · 0 评论 -
RDF查询语言SPARQL
前面我们已经介绍过了语义网技术栈中的RDF，RDFS/OWL。这次我们介绍最后一个核心技术标准——SPARQL（RDF，OWL和SPARQL称为语义网的三大核心技术）。RDF本质上是一种数据模型，那么我们如何在RDF上进行查询呢？类似使用SQL查询关系数据库，我们使用SPARQL查询RDF格式的数据。本文先简单介绍一下SPARQL的历史，然后结合我们实践篇的数据举几个具体的例子。一、SPARQLS...转载 2018-05-29 09:42:22 · 866 阅读 · 0 评论 -
知识图谱基础之RDF，RDFS与OWL
看过之前两篇文章（1, 2）的读者应该对RDF有了一个大致的认识和理解。本文将结合实例，对RDF和RDFS/OWL，这两种知识图谱基础技术作进一步的介绍。其实，RDF、RDFS/OWL是类语义网概念背后通用的基本技术，而知识图谱是其中最广为人知的概念。一、知识图谱的基石：RDFRDF表现形式RDF(Resource Description Framework)，即资源描述框架，其本质是一个数据模型...转载 2018-05-29 09:34:10 · 906 阅读 · 0 评论 -
语义网络，语义网，链接数据和知识图谱
前一篇文章“为什么需要知识图谱？什么是知识图谱？——KG的前世今生”提及了和知识图谱相关的一些早期概念。为了让读者能够更好地区分这些概念，以及更好地在整体上把握知识谱图发展过程，本文将对这些概念作一个更为详细的介绍。一、语义网络（Semantic Network）对于初学者来讲，这个概念很容易和语义网（Semantic Web）相混淆。为了行文一致，除非特别说明，语义网络指Semantic Net...转载 2018-05-28 18:06:21 · 3842 阅读 · 0 评论 -
为什么需要知识图谱？什么是知识图谱？——KG的前世今生
标题的命名顺序可能让有的读者不太习惯。通常在介绍一个陌生事物的应用前，我们先给出其定义。之所以换个顺序，是为了不让读者一开始就接触比较冰冷生硬的概念刻板描述(后面我尽量用更具体、准确的例子来表达)，另一方面也是为了通过现实生活中的例子自然的引入知识图谱的概念。希望通过这种方式加深读者的印象和理解。为了减轻读者理解的负担，我尽可能地避免引入过多的概念和技术细节，将其留到后续的文章进行介绍。言归正传，...转载 2018-05-28 18:04:17 · 1025 阅读 · 0 评论 -
揭开知识库问答KB-QA的面纱8·非结构化知识篇
内容速览非结构化的知识库——维基百科文档检索与文档理解段落encoding、问题encoding与答案预测实验与总结如果你想寻找一个问题的答案，比如谢霆锋的出生年月，那么你可能会先去查看关于谢霆锋的百度百科 或者 维基百科，找到和出生年月相关的那一行信息，再提取答案。那么，我们能不能让机器也这样去回答问题呢？在我们前面讲到的文章中，我们都使用了结构化的知识库来回答问题，今天我们将介绍一种使用非结构...转载 2018-06-06 10:03:55 · 1963 阅读 · 0 评论