三、知识图谱的作用与应用
刻画事物关系、沉淀领域知识
知识图谱旨在利用图结构建模、识别和推断事物之间的复杂关联关系和沉淀领域知识，是实现认知智能的重要基石，已经被广泛应用于搜索引擎、智能问答、语言语义理解、大数据决策分析、智能物联等众多领域。
四、大型知识图谱
最具代表性大规模网络知识获取的工作包括 ，，， 和 YAGO，以及 ，，， NELL，，，XLore，.me 等。这些知识图谱遵循 RDF 数据模型，包含数以千 III 万级或者亿级规模的实体，以及数十亿或百亿事实（即属性值和与其他实体的关系），并且这些实体被组织在成千上万的由语义类体现的客观世界的概念结构中。除了通用的大规模知识图谱，各行业也在建立行业和领域的知识图谱。
大规模的中文百科知识图谱:
.me：.me是由三大中文在线百科全书:百度百科全书()、互动百科全书()和中文维基百科()组成的第一个中文百科全书知识图谱谱。它采用与类似的方法，从这三种在线百科全书中提取结构化知识，并通过固定的规则将它们之间的等价实体链接起来，从而构建一个大规模的中文通用知识图谱谱。它现在包含超过1000万个实体和1.25亿个三元组。
CN-: CN-是继.me之后的中文知识图谱的又一个里程碑。类似于.me, CN-也是一个大型的中文百科知识图谱，它使用.me的相同数据源。不同于.me (CN-)的是它不仅从中文三大在线百科全书中提取结构化知识，而且对提取的知识进行整合、补充和纠正，极大地提高了知识图谱谱的质量。此外，CN-也是一个不断更新的知识图谱。在CN-中有940万个实体和8000万个三元组。
PKU-PIE：是由北京大学构建的中文百科全书知识图谱。它从维基百科、、百度百科等多种来源中提取知识。并将其与定义的再分配系统和类别结合在一起。PKU-PIE的开发人员不发表任何论文或技术报告，因此我们无法了解构建此知识图谱的技术细节。PKU-PIE现在包含约900万个实体和4000万个三元组。
XLORE: 大多数中文知识图谱，如.me、CN-和PKU-PIE，都不考虑中文知识图谱与其他语言知识图谱之间的跨语言知识共享。清华大学构建的大规模英汉双语知识图谱XLORE是解决这一问题的一项重要工作。它是通过分别从中英在线百科全书中提取半结构化数据，挖掘中英实体之间的等价关系来构建的。XLORE包含1000多万个双语实体。
： 也是一个由百度百科、互动百科和维基百科构建的英汉双语知识图谱。与Xlore不同， 仅从这三个在线百科全书中提取陈述性知识，并通过概念化陈述性知识来进一步产生概念级的常识。每个常识将在这个过程中得到一个置信值。 包含大约5000万个三元组，并且没有任何介绍其构建细节的论文。
知识图谱
323AI导航网发布
相关文章
