《中国人工智能学会通讯》——6.9 从语义网到知识图谱
6.9 从语义网到知识图谱 计算机的研究者一直梦想构建一个高度互联的信息库，来记录和承载人类的思想、记忆与知识[1-2] 。早在 1945 年，美国人 Vannevar Bush 提出了一个称为 Memex 的“记忆机器”(CollectiveMemory Machine) [3] ，目的是让人们更...
《中国人工智能学会通讯》——6.2 知识图谱的定义和发展
6.2 知识图谱的定义和发展 知识图谱由谷歌公司于 2012 年提出，用于下一代智能化搜索引擎的构建。在知识图谱出现之 前， 语 义 网（semantic Web） [1] 、 数 据 连 接（linked data） [2] 等相关研究和大量的知识库系统（YAGO [3-4] 、FreeBase ...
《中国人工智能学会通讯》——7.22 知识图谱应用的基本技术
7.22 知识图谱应用的基本技术 要想在文本应用中使用知识图谱，必不可少的先决步骤是将知识图谱和文本对应起来。常用方法有实体标注（Entity Linking）和实体搜索（EntitySearch）两种。 实体标注实体标注的任务是自动标识出文本里出现的实体。比如在“卡耐基梅隆大学是位于宾州匹兹堡的一...
《中国人工智能学会通讯》——7.21 什么是知识图谱
7.21 什么是知识图谱 “知识图谱”（Knowledge Graph）是最近几年才出现的一个相对新的概念，用来指代大规模的，用来储存人类知识的数据集。知识图谱的创建可以依靠人工或者是半自动方法，例如 Freebase、YAGO 和 DBPedia；也可以是完全自动的，例如OpenIE [1] 和 ...
《中国人工智能学会通讯》——12.51 现有知识图谱资源
12.51 现有知识图谱资源 知识图谱经历了由人工和群体智慧构建，到面向互联网利用机器学习和信息抽取技术自动获取的过程。根据信息来源和获取方式的不同，目前的知识图谱分为以下几类。 依靠人工构建的知识资源早期知识资源建立是通过人工添加和群体智能合作编辑得到，如英文 Wordnet [1] 和 Cyc ...
《中国人工智能学会通讯》——12.50 知识图谱研究综述
12.50 知识图谱研究综述 知识图谱（Knowledge Graph， KG）旨在描述客观世界的概念、实体、事件及其之间的关系。其中，概念是指人们在认识世界过程中形成对客观事物的概念化表示，如人、动物、组织机构等；实体是客观世界中具体事物，如篮球运动员姚明、互联网公司腾讯等；事件是客观世界的活动，...
中国人工智能学会通讯——面向知识图谱的自然语言问答系统 3 GAnswer 系统
3 GAnswer 系统 KB-QA中的难点之一是“歧义”问题，不同于传统的语义解析的方法，我们设计实现了一个新颖的面向知识图谱的问答系统gAnswer[8]。一方面，我们提出一种新的逻辑形式语义查询图，使用数据驱动的方式解决实体和关系的歧义，将消歧操作后推到查询执行阶段，从而提高识别精度。此方法的...
中国人工智能学会通讯——面向知识图谱的自然语言问答系统 2 语义解析式的知识库问答
2 语义解析式的知识库问答 基于语义解析(semantic parsing)的方法是指先利用语义解析理解自然语言问题的语义，将问题转化为具备相同语义的逻辑形式，再通过查询引擎对生成的逻辑形式进行查询处理，得到最终结果。上述过程分别对应语义解析和查询执行两个主要阶段。这类方法的优点在于如果解析成功，则...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
