知识图谱是什么

理解知识图谱是什么以及应用

知识图谱

• 参考资料：http://www.woshipm.com/it/2627356.html
• 2、知识图谱构建的关键技术
  • 知识抽取：把数据从不同的数据源中抽取出来，然后按一定的规则加入到知识图谱中
  • 数据源：分结构化和非结构化
  • 非结构化数据需要使用自然语言处理技术：实体命名识别、关系抽取、实体统一、指代消解等
  • 2.1实体命名识别
    • 根据提供的文本进行实体识别，并给每个实体进行分类或打标签，例如：1984年12月30日”记为“时间”类型；“克利夫兰骑士”和“迈阿密热火”记为“球队”类型。
  • 2.2关系抽取
    • 把实体之间的关系抽取出来的一项技术，其中主要是根据文本中的一些关键词，如“出生”、“在”、“转会”等，例如可以判断詹姆斯与地点俄亥俄州（出生地）、与迈阿密热火（所属球队）等实体之间的关系。
  • 2.3实体统一
    • 同一个实体会有不同的写法，比如说“LBJ”就是詹姆斯的缩写，因此“勒布朗詹姆斯”和“LBJ”指的就是同一个实体
  • 2.4指代消解
    • 指代消解要做的事情就是，找出这些代词（他、她、它、你、该建筑等），都指的是哪个实体。
• 3、知识图谱的存储
  • 3.1基于RDF的存储
    • 特点1：三元组的方式来存储数据而且不包含属性信息。
    • 特点2：标准的推理引擎
    • 特点3：W3C标准
    • 特点4：易于发布和共享数据
    • 特点5：多数为学术界场景
  • 3.2基于图数据的存储
    • 特点1：高效的图查询和搜索上（图的遍历效率高）
    • 特点2：一般以属性图为基本的表示形式，所以实体和关系可以包含属性。
    • 特点3：事物管理
    • 特点4：基本为工业界场景
    • 特点5：没有标准的推荐引擎
• 4、知识图谱在金融的应用
  • 4.1反欺诈
    • 需要以人为核心，展开一系列的数据构建，例如：用户的基本信息、借款记录、工作信息、消费记录、行为记录、网站浏览记录等整合到知识图谱中，通过不同维护数据权重整体进行预测和评分，判断用户欺诈的概率？
  • 4.2不一致性验证
    • 不同的二个借款人，填写了同一电话号码，有可疑
    • 借款人和二个人都是母子关联，按推理这二人是兄弟关系，但图谱现实是朋友关系，有异常
  • 4.3客户失联管理
    • 在失联的情况下，知识图谱可以挖掘更多失联人的联系人，从而提高催收效率。
  • 4.4知识推理
    • 就是机器模仿人的一种重要的能力，可以从已有的知识中发现一些隐藏的知识。当然这样的能力离不开深度学习
    • 例如：小明在苏宁上班，小刚也在腾讯上班，可以推理出，小明和小刚是同事关系。
    • 例如：小刚是大刚的儿子，大刚是老刚的儿子，可以推理出，小刚是老刚的孙子，可以更加完善知识图谱。
• 1、什么是知识图谱
  • 定义：一种基于图的数据结构，由节点（point）和边（Edge）组成，每个节点表示一个“实体”，每条边为实体与实体之间的“关系”，知识图谱本质上是语义网络。
  • 实体：现实世界中的事物，比如商品、人物、动物、地名、公司、电话等；
  • 关系：表达不同实体之间的某种联系
  • 例如：在百度搜索中搜索“周杰伦的老婆”的时候，搜索结果不是周杰伦，而是直接返回了昆凌的信息卡片”；因为底层知识图谱已经有了周杰伦和昆凌是夫妻关系，说明了知识图谱有理解用户意图的能力。