領(lǐng)域知識圖譜的技術(shù)與應用-資料下載頁
2025-06-24 00:24本頁面
【正文】 一件很復雜的事情。標簽傳播算法的核心思想在于節(jié)點之間信息的傳遞。這就類似于，跟優(yōu)秀的人在一起自己也會逐漸地變優(yōu)秀是一個道理。因為通過這種關(guān)系會不斷地吸取高質(zhì)量的信息，最后使得自己也會不知不覺中變得更加優(yōu)秀。具體細節(jié)不在這里做更多解釋。相比規(guī)則的方法論，基于概率的方法的缺點在于：需要足夠多的數(shù)據(jù)。如果數(shù)據(jù)量很少，而且整個圖譜比較稀疏（Sparse），基于規(guī)則的方法可以成為我們的首選。尤其是對于金融領(lǐng)域來說，數(shù)據(jù)標簽會比較少，這也是為什么基于規(guī)則的方法論還是更普遍地應用在金融領(lǐng)域中的主要原因。 基于動態(tài)網(wǎng)絡(luò)的分析以上所有的分析都是基于靜態(tài)的關(guān)系圖譜。所謂的靜態(tài)關(guān)系圖譜，意味著我們不考慮圖譜結(jié)構(gòu)本身隨時間的變化，只是聚焦在當前知識圖譜結(jié)構(gòu)上。然而，我們也知道圖譜的結(jié)構(gòu)是隨時間變化的，而且這些變化本身也可以跟風險有所關(guān)聯(lián)。在下面的圖中，我們給出了一個知識圖譜T時刻和T+1時刻的結(jié)構(gòu)，我們很容易看出在這兩個時刻中間，圖譜結(jié)構(gòu)（或者部分結(jié)構(gòu)）發(fā)生了很明顯的變化，這其實暗示著潛在的風險。那怎么去判斷這些結(jié)構(gòu)上的變化呢？ 感興趣的讀者可以查閱跟“dynamic network mining”相關(guān)的文獻。7. 知識圖譜在其他行業(yè)中的應用除了金融領(lǐng)域，知識圖譜的應用可以涉及到很多其他的行業(yè)，包括醫(yī)療、教育、證券投資、推薦等等。其實，只要有關(guān)系存在，則有知識圖譜可發(fā)揮價值的地方。 在這里簡單舉幾個垂直行業(yè)中的應用。比如對于教育行業(yè)，我們經(jīng)常談?wù)搨€性化教育、因材施教的理念。其核心在于理解學生當前的知識體系，而且這種知識體系依賴于我們所獲取到的數(shù)據(jù)比如交互數(shù)據(jù)、評測數(shù)據(jù)、互動數(shù)據(jù)等等。為了分析學習路徑以及知識結(jié)構(gòu)，我們則需要針對于一個領(lǐng)域的概念知識圖譜，簡單來講就是概念拓撲結(jié)構(gòu)。在下面的圖中，我們給出了一個非常簡單的概念圖譜：比如為了學習邏輯回歸則需要先理解線性回歸；為了學習CNN，得對神經(jīng)網(wǎng)絡(luò)有所理解等等。所有對學生的評測、互動分析都離不開概念圖譜這個底層的數(shù)據(jù)。在證券領(lǐng)域，我們經(jīng)常會關(guān)心比如“一個事件發(fā)生了，對哪些公司產(chǎn)生什么樣的影響？” 比如有一個負面消息是關(guān)于公司1的高管，而且我們知道公司1和公司2有種很密切的合作關(guān)系，公司2有個主營產(chǎn)品是由公司3提供的原料基礎(chǔ)上做出來的。其實有了這樣的一個知識圖譜，我們很容易回答哪些公司有可能會被這次的負面事件所影響。當然，僅僅是“有可能”，具體會不會有強相關(guān)性必須由數(shù)據(jù)來驗證。所以在這里，知識圖譜的好處就是把我們所需要關(guān)注的范圍很快給我們?nèi)Χ?。接下來的問題會更復雜一些，比如既然我們知道公司3有可能被這次事件所影響，那具體影響程度有多大？ 對于這個問題，光靠知識圖譜是很難回答的，必須要有一個影響模型、以及需要一些歷史數(shù)據(jù)才能在知識圖譜中做進一步推理以及計算。8. 實踐上的幾點建議首先，知識圖譜是一個比較新的工具，它的主要作用還是在于分析關(guān)系，尤其是深度的關(guān)系。所以在業(yè)務(wù)上，首先要確保它的必要性，其實很多問題可以用非知識圖譜的方式來解決。知識圖譜領(lǐng)域一個最重要的話題是知識的推理。 而且知識的推理是走向強人工智能的必經(jīng)之路。但很遺憾的，目前很多語義網(wǎng)絡(luò)的角度討論的推理技術(shù)（比如基于深度學習，概率統(tǒng)計）很難在實際的垂直應用中落地。其實目前最有效的方式還是基于一些規(guī)則的方法論，除非我們有非常龐大的數(shù)據(jù)集。最后，還是要強調(diào)一點，知識圖譜工程本身還是業(yè)務(wù)為重心，以數(shù)據(jù)為中心。不要低估業(yè)務(wù)和數(shù)據(jù)的重要性。9. 結(jié)語知識圖譜是一個既充滿挑戰(zhàn)而且非常有趣的領(lǐng)域。只要有正確的應用場景，對于知識圖譜所能發(fā)揮的價值還是可以期待的。我相信在未來不到2，3年時間里，知識圖譜技術(shù)會普及到各個領(lǐng)域當中。很多細節(jié)性的內(nèi)容很難在一篇文章里面面俱到、如果想對知識圖譜領(lǐng)域有更全面的了解，并且快速開發(fā)出一款可落地的知識圖譜產(chǎn)品，可以參考我近期推出的《知識圖譜技術(shù)與應用》課程。在課程里，我會詳細地給大家介紹怎么從零開始一步步搭建完整的知識圖譜系統(tǒng)，并把每一個細節(jié)中遇到的問題以及坑給大家講解。課程匯集了多年在知識圖譜一線的實踐經(jīng)驗，可以幫助學員快速地對知識圖譜入門。不管是研發(fā)、工程師、產(chǎn)品經(jīng)理還是其他崗位的人或者學生，通過本課程的學習都會對工業(yè)界的知識圖譜實踐有更清晰的認識，并且通過一些小的實踐作業(yè)讓學員對知識圖譜的構(gòu)建有跟更深入的理解。本課程不需要任何AI背景。本課程包含： 完整案例的講解、簡單的實戰(zhàn)練習、作業(yè)、過程中所涉及到的算法以及實現(xiàn)等。 不包含：語義網(wǎng)絡(luò)相關(guān)的理論、RDF、以及Spark, Hadoop等大數(shù)據(jù)平臺技術(shù)。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1