1784
1
0
2020-08-07 12:29:10
2020-08-14
基于清華大學(xué)李涓子教授“知識(shí)圖譜研究綜述”一文的閱讀筆記
根據(jù)論文大概分為幾個(gè)模塊
一、概念
知識(shí)圖譜旨在描述客觀世界的概念、實(shí)體、事件及其間的關(guān)系
概念是指人們認(rèn)識(shí)世界過(guò)程中形成的對(duì)客觀事物的概念化，如人、動(dòng)物、組織機(jī)構(gòu)等；
實(shí)體是客觀世界中的具體事物，如籃球運(yùn)動(dòng)員姚明、互聯(lián)網(wǎng)公司騰訊等；
事件是客觀世界的活動(dòng)，如地震、買賣行為等；
關(guān)系描述概念、實(shí)體事件之間客觀存在的關(guān)聯(lián)，如畢業(yè)學(xué)院描述了個(gè)人及其所在院校的關(guān)系，運(yùn)動(dòng)員和籃球運(yùn)動(dòng)員之間的概念和子概念的關(guān)系等。
知識(shí)圖譜是將互聯(lián)網(wǎng)的信息表達(dá)成更接近人類認(rèn)知世界的形式，提供了一種更好地組織、管理和理解互聯(lián)網(wǎng)信息的能力。涉及的技術(shù)：認(rèn)知計(jì)算、知識(shí)表示和推理、信息檢索與抽取、自然語(yǔ)言處理和語(yǔ)義web、數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)等， 知識(shí)圖譜技術(shù)具體地包括知識(shí)表示、知識(shí)圖譜構(gòu)建和知識(shí)圖譜的應(yīng)用三方面。
知識(shí)表示研究客觀世界知識(shí)的建模，從知識(shí)的表示和存儲(chǔ)，以及知識(shí)的使用和計(jì)算來(lái)使得知識(shí)便于機(jī)器的識(shí)別和理解；
知識(shí)圖譜的構(gòu)建解決如何建立計(jì)算機(jī)算法從客觀世界或者或聯(lián)網(wǎng)的各種數(shù)據(jù)資源中獲取客觀世界的知識(shí)，主要研究使用何種數(shù)據(jù)和方法抽取何種知識(shí)；
知識(shí)圖譜應(yīng)用主要研究如何利用知識(shí)圖譜建立基于知識(shí)的智能服務(wù)系統(tǒng)，更好地解決實(shí)際應(yīng)用問(wèn)題。
二、現(xiàn)有的知識(shí)圖譜資源
人工構(gòu)建（英文wordNet和Cyc項(xiàng)目以及中文的HowNet，Cyc是世界知識(shí)庫(kù)）
群體智慧構(gòu)建（維基百科是至今利用群體智能建立的互聯(lián)網(wǎng)上最大的知識(shí)資源，因此出現(xiàn)了很多使用維基百科構(gòu)建知識(shí)庫(kù)的項(xiàng)目，如DBpedia、YAGO和Freebase等。）
基于互聯(lián)網(wǎng)鏈接 數(shù) 據(jù) 構(gòu) 建 的 知 識(shí) 資 源(國(guó)際萬(wàn)維網(wǎng)組織W3C 于2007年發(fā)起的開(kāi)放互聯(lián)數(shù)據(jù)項(xiàng)目（LOD）
基于機(jī)器學(xué)習(xí)和信息抽取構(gòu)建的知識(shí)圖譜（從互聯(lián)網(wǎng)數(shù)據(jù)自動(dòng)獲取知識(shí)是建立可持續(xù)發(fā)展知識(shí)圖譜的發(fā)展趨勢(shì)。這類知識(shí)圖譜構(gòu)建的特點(diǎn)是面向互聯(lián)網(wǎng)的大規(guī)模、開(kāi)放、異構(gòu)環(huán)境，利用機(jī)器學(xué)習(xí)和信息抽取技術(shù)自動(dòng)獲取 Web上的信息構(gòu)建知識(shí)庫(kù)。如華盛頓大學(xué)圖靈中心的KnowItAll和TextRunner）
三、知識(shí)表示
基于符號(hào)邏輯的表示（與人類的自然語(yǔ)言比較接近，是最早使用的一種知識(shí)表示方法，但在大數(shù)據(jù)時(shí)期不能很好的解決知識(shí)表示的問(wèn)題）
萬(wàn)維網(wǎng)內(nèi)容的知識(shí)表示（XML，基于萬(wàn)維網(wǎng)資源語(yǔ)義元數(shù)據(jù)描述框架RDF，基于描述邏輯的本體描述語(yǔ)言O(shè)WL，XML通過(guò)內(nèi)容標(biāo)記，便于數(shù)據(jù)交換；（重點(diǎn)）RDF通過(guò)三元組（主體，謂詞，客體）描述互聯(lián)網(wǎng)資源之間的語(yǔ)義關(guān)系；OWL構(gòu)建在RDF之上，具有更強(qiáng)的表達(dá)及解釋能力的語(yǔ)言。）
表示學(xué)習(xí)（通過(guò)機(jī)器學(xué)習(xí)或深度學(xué)習(xí)，將研究對(duì)象的語(yǔ)義信息表示為稠密低維的實(shí)值向量。對(duì)不同粒度的知識(shí)單元進(jìn)行隱式的向量化表示，來(lái)支持大數(shù)據(jù)環(huán)境下知識(shí)的快速計(jì)算）
三、知識(shí)圖譜的構(gòu)建技術(shù)
互聯(lián)網(wǎng)上分布、異構(gòu)的海量資源 ->概念層次學(xué)習(xí)，事實(shí)學(xué)習(xí)；已有的結(jié)構(gòu)化異構(gòu)語(yǔ)義資源->異構(gòu)資源的語(yǔ)義集成
1.概念層次學(xué)習(xí)通過(guò)合理的技術(shù)，抽取知識(shí)表示中的概念，確定其上下位關(guān)系
2.事實(shí)學(xué)習(xí)：
有監(jiān)督的事實(shí)知識(shí)獲取方法需要有已標(biāo)注文檔作為訓(xùn)練集，可以分為基于規(guī)則學(xué)習(xí)、基于分類標(biāo)注和基于序列標(biāo)注方法等?；谝?guī)則學(xué)習(xí)的語(yǔ)義標(biāo)注方法從帶語(yǔ)義標(biāo)注的語(yǔ)料中自動(dòng)學(xué)習(xí)標(biāo)注規(guī)則，利用規(guī)則對(duì)數(shù)據(jù)資源進(jìn)行語(yǔ)義標(biāo)注，適合比較規(guī)范資源上的知識(shí)獲?。换诜诸惖闹R(shí)獲取方法將知識(shí)獲取轉(zhuǎn)化為分類問(wèn)題，根據(jù)確定的標(biāo)注特征從標(biāo)注語(yǔ)料中學(xué)習(xí)標(biāo)注模型；基于序列模式標(biāo)注的方法同時(shí)考慮多個(gè)語(yǔ)義標(biāo)注之間的關(guān)系，可以提高標(biāo)注的準(zhǔn)確率。
半監(jiān)督的知識(shí)獲取方法主要包括自擴(kuò)展方法和弱監(jiān)督方法。自擴(kuò)展方法需要初始的種子實(shí)體對(duì)，根據(jù)這些種子實(shí)體對(duì)，發(fā)現(xiàn)新的語(yǔ)義模板，再對(duì)語(yǔ)料進(jìn)行迭代抽取以發(fā)現(xiàn)新的實(shí)體對(duì)，其主要問(wèn)題是語(yǔ)義漂移；弱監(jiān)督方法使用知識(shí)庫(kù)中的關(guān)系啟發(fā)式地標(biāo)注文本，其主要問(wèn)題在于訓(xùn)練實(shí)例中本身帶有大量噪音。
無(wú)監(jiān)督的知識(shí)獲取方法主要是開(kāi)放信息抽取，使用自然語(yǔ)言處理方法，無(wú)須預(yù)先給定要抽取的關(guān)系類別，自動(dòng)將自然語(yǔ)言句子轉(zhuǎn)換為命題，這種方法在處理復(fù)雜句子時(shí)效果會(huì)受到影響
3.語(yǔ)義集成，就是在異構(gòu)知識(shí)庫(kù)之間，發(fā)現(xiàn)實(shí)體間的等價(jià)關(guān)系，從而實(shí)現(xiàn)知識(shí)共享。主要方法包括：
基于文本的方法主要利用本體中實(shí)體的文本信息，例如實(shí)體的標(biāo)簽和摘要。通過(guò)計(jì)算兩個(gè)實(shí)體字符串之間的相似度來(lái)確定實(shí)體之間是否具有匹配關(guān)系。
基于結(jié)構(gòu)的 方 法 主 要 利 用 本 體 的 圖 結(jié) 構(gòu) 信 息 對(duì) 本 體 進(jìn) 行 匹 配。利用本體的圖結(jié)構(gòu)，對(duì)實(shí)體間的相似度進(jìn)行傳播，從而提高對(duì)齊的效果。
基于背景知識(shí)的方法一般使用DBpedia或WordNet等已有的大規(guī)模領(lǐng)域無(wú)關(guān)知識(shí)庫(kù)作為背景知識(shí)來(lái)提高匹配效果。
基于機(jī)器學(xué)習(xí)的方法將本體匹配問(wèn)題視為機(jī)器學(xué)習(xí)中的分類或優(yōu)化問(wèn)題，從而采取機(jī)器學(xué)習(xí)方法獲得匹配結(jié)果。
四、知識(shí)圖譜的應(yīng)用
語(yǔ)義搜索、知識(shí)問(wèn)答，以及基于知識(shí)的大數(shù)據(jù)分析與決策
