请选择 进入手机版 | 继续访问电脑版

知识图谱的“本质逻辑”解读

知识图谱  / 倒序浏览   © 著作权归作者本人所有

#楼主# 2021-10-7

跳转到指定楼层
一、首先我们来看看4大类知识图谱应用:

1、辅助搜索:辅助搜索其实是基于图(实体和实体关系)的搜索,强化传统的超文本链接搜索;
2、辅助问答:问答的本质是搜索的高阶形态,更符合知识传递的交互形式,和搜索不同的是,结果返回的不是多个而是1个相对精确的答案;
3、辅助决策:在企业级应用的落地实践比较广泛,其本质是建立数据链接,实现可计算的数据;
4、常识推理:强调相关事物的理解,还是在强调图数据的应用。

二、总结一下知识图谱的本质,从不同的维度,有不同的理解:


1、Web视角:建立文本之间的超链接一样,建立数据之间的语义链接,并支持语义搜索;
2、NLP视角:怎样从文本中抽取语义和结构化数据;
3、KR视角:怎样利用计算机符号标识和处理知识;
4、AI视角:怎样利用知识库来辅助理解人的语言;5、DB视角:用图的方式去存储知识。

三、知识图谱和AI之间的关系:

1、聪明的AI应用:无KG加持的AI应用,可以从大数据中总结出规律(模型)来,其本质处理的还是“信息“层面的数据,强调的是“感知、识别、判断”;
2、有学识的AI应用:有KG加持的AI应用,增加对知识之间的关系应用,其本质处理的是“知识”层面的数据,强调的是“思考、语言、推理”;
3、从信息——》知识,让AI应用更有智慧,更人性化,这才是知识图谱的价值;
4、在一个AI应用中,是否需要知识图谱的加持,需要视场景诉求而定。比如,应用场景只需要预测某一支股票的走势,那目标就是训练处一个预测模型即可;如果想要实现企业内部的某些高精度决策,显然光有一个模型是远远不够的。





上一篇:与早期“语义网络、知识库”相比,知识图谱的优势有哪?
转播转播 分享淘帖
回复

使用道具

成为第一个回复人

AI产品经理
小黑屋|AI产品经理社 |京ICP备19051683号-1
Powered by 长弓PM   © 2019-2050