知识图谱研究综述

2021-06-24 10:59:16刘燕贾志杰闫利华邹妍
赤峰学院学报·自然科学版 2021年4期

刘燕 贾志杰 闫利华 邹妍

摘 要:知识图谱将知识库以一种图谱的形式展现出来,使知识具有可解释性、可推理性,从而使机器具备认知能力,是人工智能的重要基石。本文对知识图谱构建的关键技术、工具以及应用进行了综述,并且对知识图谱未来的研究方向做出展望。

关键词:知识图谱;实体抽取;知识融合

中图分类号:TP391  文献标识码:A  文章编号:1673-260X(2021)04-0033-04

1 知识图谱概念及主要应用

知识图谱[1](Knowledge Graph)本质上是一种大规模语义网络,它包含了各种各样的实体、概念以及实体之间的语义关系,是大数据时代知识表示的重要方式之一。2012年google发布了基于知识图谱的搜索引擎产品,由于知识图谱将知识以一种直观、可视化的方式展现出来,并且可以建立碎片化的数据的关联,因此,知识图谱成为语义搜索、问答系统、推荐系统等领域的研究热点[2]。

语义搜索可以利用知识图谱准确地捕捉用户的搜索意图,进而用基于知识图谱中的知识解决传统搜索中遇到自然语言输入带来的表达多样性、歧义性问题,通过实体链接实现知识与文档的混合检索。Google、百度和搜狗等搜索引擎公司通过构建Knowledge Graph、知心和知立方改进搜索质量。

问答系统是信息服务的高级形式,基于知识图谱的问答系统能够让计算机以精准的自然语言自动回答用户提出的问题。北京大学构建了基于开放领域知识图谱的自然语言问答(QA)系统-gAnswer,用户通过自然语言输入,经过一系列的转化能直接得到最终答案。……

登录APP查看全文