产品经理视觉——初识知识图谱(一)

一、什么是知识图谱?

知识图谱(Knowledge Graph)以语义网来描述现实世界中不同信息之间的关系,主要以【实体-关系-实体】或【实体-属性-值】三元组作为表达和储存的方式,如:【邓超-夫妻-孙俪】和【邓超-职业-演员】等,其中对应知识图谱展示如下。最主要的目的是让计算机能够通过知识图谱理解我们的现实世界。

@李文哲:知识图谱本质上是语义网络,是一种基于图的数据结构,由节点(Point)和边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。

通俗地讲,知识图谱就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。

二、知识图谱有哪些应用场景?

智能搜索

知识图谱概念最早由Google提出(2012年5月16日),主要是用来优化现有的搜索引擎。除了关键字外,还能通过知识图谱的关系网络给出关联信息。

以Google为例,我们可以搜索关键字(Strings),如搜索“马云”,除了马云基本信息外,还会给出其他相关的信息。

我们还可以搜索事件(Things),如搜索“马云老婆”,能直接给出事件的结果。

@我偏笑:当用户发起搜索时,搜索引擎会借助知识图谱的帮助对用户查询的关键词进行解析和推理,进而将其映射到知识图谱中的一个或一组概念之上,然后根据知识图谱的概念层次结构,向用户返回图形化的知识结构,这就是我们在谷歌和百度的搜索结果中看到的知识卡片。

智能问答

随着人工智能的再次兴起,知识图谱又被广泛的应用于聊天机器人和问答系统中,用于辅助深度理解人类的语言和支持推理,并提升人机问答的用户体验等。典型的如IBM的Watson、苹果的Siri、Google Allo、Amazon Echo、微软小冰、百度度秘等。

@我偏笑:系统同样会首先在知识图谱的帮助下对用户使用自然语言提出的问题进行语义分析和语法分析,进而将其转化成结构化形式的查询语句,然后在知识图谱中查询答案。

可视化决策支持

通过提供统一的图形接口,结合可视化、推理、检索等,为用户提供信息获取的入口。 

东北大学自然语言处理实验室知识图谱组,最近上线的一个“爱图谱”的知识图谱演示网站,可以对人工智能一些学术人员和学术属于进行关联知识展示。地址:http://www.neukg.com

@李文哲:基于知识图谱,可以提供智能搜索和数据可视化的服务。可视化的好处不言而喻,通过可视化把复杂的信息以非常直观的方式呈现出来, 使得我们对隐藏信息的来龙去脉一目了然。

三、知识图谱行业应用有哪些?

知识图谱属于人工智能的一个分支,同样需要大量数据的支撑。部分行业应用整理如下(部分资料引用自@PlantData):

企业通用

· 基于企业的基础信息、投资关系、诉讼、失信等多维度关联数据,利用图计算等方法构建科学、严谨的企业风险评估体系,有效规避潜在的经营风险与资金风险。

· 基于投资、任职、专利、招投标、涉诉关系以目标企业为核心向外层层扩散,形成一个网络关系图,直观立体展现企业关联。

· 基于股权投资关系寻找持股比例最大的股东,最终追溯至自然人或国有资产管理部门。

· 在基于股权、任职、专利、招投标、涉诉等关系形成的网络关系,查询企业之间的最短关系路径,衡量企业之间的联系密切度。基于企业知识图谱中的投融资事件发生的时间顺序,记录企业的融资发展历

金融证券

· 基于知识图谱数据的统一查询,全面掌握客户信息;避免由于系统、数据等孤立造成的信息不一致造成信用重复使用、信息不完整等

· 反诈骗,不一致性验证可以用来判断一个借款人的欺诈风险,类似交叉验。组团进行欺诈的成员会用虚假的身份去申请贷款,但部分信息是共享的。

· 其他场景:异常分析(异常交易、异常客户)、 失联客户管理、精准营销、智能投研、智能公告。

生物医疗

· 针对中医药知识体系系统梳理、建模和展示。

· 以图形可视化方式展示核心概念之间的关系。

· 辅助中医专家厘清学术发展脉络,浏览中医知识,发现知识点之间的联系。

· 与阅读文献等手段相比,可大幅度节约知识检索获取时间。

相关项目

· Watson辅助诊断与治疗——安德森癌症中心联合IBM Watson开展终结癌症的任务。

· 欧盟重大联合攻关项目——面向药物研发的开放数据访问平台开发,其核心技术就是采用语义术为有关研究人员提供高效的数据访问技术环境的支。

图示情报

· 使用知识图谱中的知识体系进行知识导航,引导用户学习知识体系,以及通过实体链接所关联的资源。

电子商务

· 实现商品数据的标准化(商品规范的统一和商品信息的确定性)。

· 广泛地应用于搜索、前端导购、平台治理、智能问答、品牌商运营等核心、创新业务。

农业

· 识别农作物危害。

政府

· 人事关系管理。

· 政府大数据管理。

壹吐

现在连计算机都知道你是单身狗了:)

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,117评论 4 360
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,963评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 107,897评论 0 240
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,805评论 0 203
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,208评论 3 286
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,535评论 1 216
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,797评论 2 311
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,493评论 0 197
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,215评论 1 241
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,477评论 2 244
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,988评论 1 258
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,325评论 2 252
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,971评论 3 235
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,055评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,807评论 0 194
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,544评论 2 271
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,455评论 2 266

推荐阅读更多精彩内容