随笔分类 -  knowledge_graph

词汇挖掘与实体识别
摘要：3.1 概述实体的获取： 从文本语料库挖掘尽可能多的高质量词汇 领域短语挖掘 同义词挖掘 缩略词挖掘 实体识别 当一个词汇在某个上下文表达的是某个预定义的概念时，该词汇就是一个实体词汇表： 主题词 关系：等价关系，等级关系3.2 领域短语挖掘3.2.1 问题描述输入：领域预料 输出：高质量短语（Hi 阅读全文

posted @ 2020-01-14 14:40 happygril3 阅读(2853) 评论(0) 推荐(1)

知识图谱的图表示
摘要：1. 基于图的表示 二元组G=G（V,E）,V表示点的集合，E表示边的集合2. 基于三元组的表示 <主体（Subject）谓词（Predicate）客体（Object）> <主体（Subject）属性（Property）属性值（Property Value）>3. 知识图谱的数值表示 知识图谱中事实 阅读全文

posted @ 2020-01-09 17:37 happygril3 阅读(3272) 评论(0) 推荐(0)

语义解析
摘要：1.思路自然语言语义分析 >知识库看懂的语义表示/逻辑表示（Logic Form） >推理（Inference）查询（Query） >答案如：自然语言”Number of dramas starring Tom Cruise“ 逻辑形式： count（Genre.Drama ∩ Performanc 阅读全文

posted @ 2020-01-08 17:50 happygril3 阅读(508) 评论(0) 推荐(0)

基于知识图谱的问答
摘要：1. 问答系统的分类 非结构化的知识源 单文档阅读理解（Single-document Reading Comprehension）：单一文档寻找答案 多文档阅读理解（Multi-document Reading Comprehension）：多个文档检索答案 结构化的知识源 基于关系型数据库的问答 阅读全文

posted @ 2020-01-08 10:52 happygril3 阅读(4896) 评论(0) 推荐(0)

知识图谱的推理
摘要：6.1 推理概述6.1.1 什么是推理 逻辑推理： 演绎推理（Deductive Reasoning）： 自上而下 给定一个或者多个前提的情况下，推断出一个必然成立的结论的过程 归纳推理（Inductive Reasoning） 自下而上，典型是归纳泛化（Inductive Generalizati 阅读全文

posted @ 2019-12-23 19:24 happygril3 阅读(1871) 评论(0) 推荐(0)

知识图谱的融合_实例层的融合和匹配
摘要：5.4.1 实例层的融合和匹配 空间复杂度挑战 时间复杂度挑战： 匹配元素对的相似度计算次数（n2） 每次相似度计算时间复杂度（t） 匹配结果质量挑战5.4.2 基于快速相似度计算的实例匹配方法 思想：降低每次相似度计算的时间复杂度，即t 映射过程只能使用简单且速度较快的匹配器，映射线索尽量简单； 阅读全文

posted @ 2019-12-23 18:12 happygril3 阅读(2485) 评论(0) 推荐(0)

知识问答
摘要：知识问答系统（Question Answering QA）: 接收自然语言表达的问题--理解用户意图--获取相关知识--推理计算--自然语言形成答案 8.1.1 问答系统的基本要素 问题：问答系统的输入 答案：问答系统的输出 智能体：问答系统的执行者，理解问题语义，掌握并使用知识库解答问题，形成可供 阅读全文

posted @ 2019-12-04 18:34 happygril3 阅读(947) 评论(0) 推荐(0)

知识图谱融合_本体概念层的融合方法与技术
摘要：5.3.1 本体映射和本体集成 本体映射：寻找本体间的映射规则 本体集成：直接将多个本体合并为一个大本体 基于单本体的集成： 决定本体集成的方式：判断消除异构的单本体是应该从头建立，还是应该利用现有的本体来集成 识别本体的模块：明确集成后的本体应该包含那些模块 识别每个模块中应该被表示的知识：概念， 阅读全文

posted @ 2019-12-04 15:39 happygril3 阅读(4595) 评论(0) 推荐(0)

知识图谱融合_异构问题
摘要：5.2.1 语言层不匹配 1. 语法不匹配--不同的语言转化为同样的语法格式 2. 逻辑表示不匹配--定义从语言L1逻辑表示到语言L2的逻辑表示的转化规则 3. 原语的语义不匹配 4. 语言表达能力的不匹配--表达能力弱的语言向表达能力强的语言转换5.2.2 模型层不匹配1. 概念化不匹配：对于同样 阅读全文

posted @ 2019-12-04 15:29 happygril3 阅读(827) 评论(0) 推荐(0)

知识挖掘
摘要：从已有的实体及实体关系中挖掘新的知识，包括内容挖掘和结构挖掘1. 内容挖掘：实体链接 文本中的实体--链向--知识库中目标实体，建立文本与知识库的联系 流程： （1）实体指称识别 通用命名实体识别技术 词典匹配技术 （2）候选实体生成 表层名字扩展：实体是缩略词或者全称的一部分 搜索引擎：将实体提及 阅读全文

posted @ 2019-11-29 16:42 happygril3 阅读(661) 评论(0) 推荐(0)

半结构化数据_知识抽取
摘要：1. 面向百科类的数据抽取 框架： 页面集合：包含本地及远程的维基百科文章数据 目标数据：存储或序列化提取的RDF三元组 提取器：将特定类型的维基标记转化为三元组的提取器 解析器：确定数据类型，在不同单元之间转换值并标记分解成列表 提取作业：将页面集合，提取器和目标数据分组到一个工作流 知识提取管理 阅读全文

posted @ 2019-11-29 15:40 happygril3 阅读(2531) 评论(0) 推荐(0)

非结构化数据_事件抽取
摘要：1.任务： 识别事件触发词及事件类型 抽取事件元素，判断角色 抽取描述事件的词组和句子 事件属性标注 事件共指消解 2. 流水线方法： 将事件抽取任务分解为一系列基于分类的子任务，每个子任务由一个机器学习分类器负责实施 分类器包括： 事件触发词分类器：判断词汇是否为事件触发词，并基于触发词信息对事件 阅读全文

posted @ 2019-11-29 11:09 happygril3 阅读(419) 评论(0) 推荐(0)

非结构化数据_实体抽取
摘要：1.基于规则 2.基于统计模型（1）隐马尔可夫模型（Hidden Markov Model） HMM x1 >x2 >x3 > 隐状态序列 ↓ ↓ ↓ y1 y2 y3 观察输出序列（2）条件马尔可夫模型（Conditional Markov Model)（3）最大熵模型（Maximum Entro 阅读全文

posted @ 2019-11-29 10:42 happygril3 阅读(546) 评论(0) 推荐(0)

非结构化_关系抽取
摘要：1. 基于模板的关系抽取方法 模板1：【x】与妻子【y】.......... 2. 基于监督学习的关系抽取方法 将关系抽取转化为分类问题 1. 预定义关系类型 2. 人工标注数据 3. 设计关系识别所需的特征，一般根据实体所在句子的上下文计算获得 轻量级：实体和词的特征 中量级：句子中语块序列的特征 阅读全文

posted @ 2019-11-29 10:35 happygril3 阅读(895) 评论(0) 推荐(0)

导航