专知,为人工智能从业者服务,提供专业可信的人工智能知识与技术服务,让认知协作更快更好!

知识荟萃

专知公众号VIP内容荟萃

2020

1月(持续更新)

2019

12月

11月

10月

前往荟萃

VIP内容

知识图谱一直是学术工业界关注的焦点,但是知识图谱的书籍缺非常少。南加州大学计算机科学家Mayank Kejriwal撰写了《Domain-Specific Knowledge Graph Construction》,总共115页图书,包含了知识图谱的涵义、信息抽取、实体链接、知识图谱补全、知识图谱实例等内容,值得学习阅读!

领域知识图谱构建

特定领域的知识图谱已经作为一个方向开始出现,并且发展迅速。图方法在人工智能中已经存在了很长一段时间,可以追溯到该领域最早的时代,但将大量数据自动表示为图谱是一项相对现代的发明。随着Web的出现,以及对更智能搜索引擎的需求,谷歌知识图谱诞生了。谷歌知识图谱改变了我们与搜索引擎交互的方式,尽管我们常常没有意识到这一点。例如,用户在搜索某个东西时不点击某个链接的情况已经不再罕见;一般来说,搜索引擎本身能够为用户所面临的问题提供解决方案。将传统的搜索引擎与图像、新闻和视频有机地结合起来,为这些交互添加丰富的元素。

领域特定知识图构建(KGC)是一个活跃的研究领域,最近由于机器学习技术(如深度神经网络和单词嵌入)取得了令人印象深刻的进展。本书将以一种引人入胜和可访问的方式综合Web数据上的知识图结构。

知识图谱示例

Google知识图谱构建流程

目录内容:

1.什么是知识图谱?

1.1 引言

1.2 示例 1: 学术领域

1.3 示例 2: 产品与公司

1.4 示例 3: 地理政治事件

1.5 结论

2 信息抽取

2.1 引言

2.2 IE挑战

2.3 IE 任务范畴

2.3.1 命名实体识别

2.3.2 关系提取

2.3.3 事件提取

2.3.4 Web IE

2.4 IE效果评估

2.5 总结

3 实体消歧

3.1 引言

3.2 挑战与要求

3.3 两阶段框架

3.4 性能度量

3.5 两阶段框架流程扩展

3.6 相关工作概述

3.7 总结

4. 高级主题: 知识图谱补全

4.1 引言

4.2 知识图谱嵌入

4.2.1 TransE

4.2.2 TransE Extensions and Alternatives

4.2.3 局限

4.2.4 前沿以及相关工作

4.2.5 KGEs应用

4.3 引言

5 生态系统

5.1 引言

5.2 Web链接数据

5.2.1 链接数据原则

5.2.2 技术栈

5.2.3 链接开放数据

5.2.4 例子: DBpedia

5.3 Google知识图谱

5.4 Schema.org

5.5 未来展望

下载链接: https://pan.baidu.com/s/1vnyVBRn8GclvwEOH_eqM2g 提取码: 4y44

成为VIP会员查看完整内容
10+
0+
更多VIP内容
Top