[资料]

一种从零搭建汽车知识的语义网络及图谱思路

2022-11-22 15:37:08 1016 MYSQL数据库 GNN

0 1、如何进行图谱构建呢？　　构建挑战　　知识图谱是真实世界的语义表示，其基本组成单位是“实体-关系-实体”，“实体-属性-属性值”的三元组（Triplet），实体之间通过关系相互联结，从而构成语义网络。图谱构建中会面临较大的挑战，但构建之后，可在数据分析、推荐计算、可解释性等多个场景中展现出丰富的应用价值。　　其中，构建挑战包括：　　Schema 难定义。目前尚无统一成熟的本体构建流程，且特定领域本体定义通常需专家参与；　　数据类型异构。通常情况下，一个知识图谱构建中面对的数据源不会是单一类型，面对结构各异的数据，知识转模及挖掘的难度较高；　　依赖专业知识。领域知识图谱通常依赖较强的专业知识，例如车型对应的维修方法，涉及机械、电工、材料、力学等多个领域知识，且此类关系对于准确度的要求较高，需要保证知识足够正确；　　数据质量无保证。挖掘或抽取信息需要知识融合或人工校验，才能作为知识助力下游应用。　　构建后将获得的收益：　　知识图谱统一知识表示。通过整合多源异构数据，形成统一视图；　　语义信息丰富。通过关系推理可以发现新关系边，获得更丰富的语义信息；　　可解释性强。显式的推理路径对比深度学习结果具有更强的解释性；　　高质量且能不断积累。根据业务场景设计合理的知识存储方案，实现知识更新和累积。　　架构设计　　威廉希尔官方网站架构主要分为构建层、存储层及应用层三大层，架构图如下：一文 Get 汽车知识的语义网络及图谱构建.pdf (1.03 MB, 下载次数: 7 ) 原作者：CSDN威廉希尔官方网站社区 0
举报淘帖0 只看该作者最近下载过的用户(1) 相关推荐 • KGB知识图谱通过智能搜索提升金融行业分析能力 1565 • 知识图谱的三种特性评析 2597 • KGB知识图谱威廉希尔官方网站能够解决哪些行业痛点？ 2113 • KGB知识图谱基于传统知识工程的突破分析 2819 • 知识图谱相关应用 2033 • NLPIR大数据知识图谱完美展现文本数据内容 2535 • NLPIR系统KGB知识图谱威廉希尔官方网站助力大数据深度挖掘 1356 • NLPIR系统KGB知识图谱引擎为数据内容安全设岗 2554 • KGB知识图谱引擎助力NLPIR中文信息处理 1479 • NLPIR大数据KGB知识图谱引擎智能挖掘各行数据 1745