腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

数据派THU

专栏作者

2137

文章

1917040

阅读量

188

订阅数

知识图谱嵌入模型 (KGE) 的总结和比较

知识图谱翻译函数模型效率

来源：Deephub Imba本文约2900字，建议阅读5分钟本文介绍了知识图谱嵌入模型的总结与比较。知识图谱嵌入(KGE)是一种利用监督学习来学习嵌入以及节点和边的向量表示的模型。它们将“知识”投射到一个连续的低维空间，这些低维空间向量一般只有几百个维度（用来表示知识存储的内存效率）。向量空间中，每个点代表一个概念，每个点在空间中的位置具有语义意义，类似于词嵌入。一个好的KGE 应该具有足够的表现力来捕获 KG 属性，这些属性解决了表示关系的独特逻辑模式的能力。并且KG 可以根据要求添加或删除一些特

2023-04-03

5240

当可解释人工智能遇上知识图谱

神经网络知识图谱人工智能论文模型

来源：知乎—机器学习小谈地址：https://zhuanlan.zhihu.com/p/386458680 本文约6100字，建议阅读10分钟可解释人工智能遇上知识图谱。在科学研究中，从方法论上来讲，都应“先见森林，再见树木”。当前，人工智能学术研究方兴未艾，技术迅猛发展，可谓万木争荣，日新月异。对于AI从业者来说，在广袤的知识森林中，系统梳理脉络，才能更好地把握趋势。为此，我们精选国内外优秀的综述文章，开辟“综述专栏”，敬请关注。本文按照以下章节进行组织： 1. 背景意义 2. 基于路径的方法 3.

2023-03-29

7520

【干货书】知识图谱：基础，技术与应用

深度学习神经网络人工智能知识图谱

来源：专知本文为书籍介绍，建议阅读5分钟本文涵盖了构建知识图谱、向知识图谱添加新知识(或在知识图中精炼旧知识)以及访问(或查询)知识图谱的技术。一本严谨而全面的教科书，涵盖了知识图谱的主要方法，人工智能中的一个活跃和跨学科领域。知识图谱领域允许我们从复杂的现实世界数据中建模、处理和得出见解，在过去十年中，它已经成为人工智能的一个活跃的跨学科领域，借鉴了自然语言处理、数据挖掘和语义Web等领域。目前的项目包括预测网络攻击、推荐产品，甚至从数千篇关于COVID-19的论文中收集见解。这本教科书提供了该领域

2022-08-29

1850

【SIGIR2022教程】深度知识图谱表示学习: 补全、对齐和问答

知识图谱 NLP 服务

来源：专知本文为教程，建议阅读5分钟本教程的目标是为IR研究人员提供关于AI、ML和NLP社区的神经KG表示和推理的最佳实践的全面更新。一个知识图谱(KG)有节点和边表示实体和关系。知识图谱是搜索和问题回答(QA)的核心，然而关于知识图谱的深度/神经表征以及深度QA的研究，已经在很大程度上转移到AI、ML和NLP社区。本教程的目标是为IR研究人员提供关于AI、ML和NLP社区的神经KG表示和推理的最佳实践的全面更新，然后探索IR社区的KG表示研究如何更好地受搜索、通道检索和QA需求的驱动。在本教程中，我

2022-07-19

3080

知识图谱到底如何落地？这本书阐述企业重数据库与知识图谱的关联

知识图谱数据库 sql 企业

来源：专知本文为书籍分享，建议阅读5分钟本书是在实践中从企业关系数据库设计和构建知识图谱的指南。这本书是在实践中从企业关系数据库设计和构建知识图谱的指南。它提出了一个原则性框架，其核心是连接关系数据库和知识图谱的映射模式、组织中负责知识图谱的角色，以及将数据和人员组合在一起的过程。本书的内容适用于使用属性图或RDF图技术构建的知识图谱。知识图谱实现了创建大规模集成知识和数据的智能系统的愿景。科技巨头已经采用知识图谱作为下一代企业数据和元数据管理、搜索、推荐、分析、智能代理等的基础。我们现在发现，越来越多

2022-06-07

2560

【北理&哈佛AI+医疗】多模态图学习的疾病关系提取

神经网络机器学习深度学习人工智能知识图谱

来源：专知本文为论文，建议阅读5分钟我们介绍一种用于疾病关系提取和分类的多模式方法REMAP。疾病知识图谱是一种连接、组织和访问有关疾病的不同信息的方式，对人工智能(AI)有许多好处。为了创建知识图谱，需要以疾病概念之间关系的形式从多模态数据集中提取知识，并对概念和关系类型进行规范化。我们介绍一种用于疾病关系提取和分类的多模式方法REMAP。REMAP机器学习方法将局部、不完全知识图谱和医学语言数据集嵌入到紧凑的潜向量空间中，然后对齐多模态嵌入以提取最佳疾病关系。应用REMAP方法构建了一个疾病知识图谱

2022-04-28

8120

梅宏院士：如何构造人工群体智能

深度学习神经网络人工智能知识图谱

本文内容由数据派THU 整理自梅宏院士在清华软件论坛上所做的专题报告一、群体智能研究现状群体智能是科学家长期关注和研究的一种自然现象。在很多低等社会性生物群体中可以观察到，群体中的单一个体不具有智能，或仅有非常有限的智能，由这些个体构成的群体却展现出远超个体能力的智能行为。这种在低等社会性生物群体层面上展现出的智能，通常被称为群体智能（Swarm Intelligence）。 1.1 人类社会中的群体智能现象草地上的小路：即使没有人进行全局的规划或指挥，草坪上也会自发地涌现一条或几条条弯弯曲曲的小路

2022-04-22

6650

知识图普嵌入技术的极简教程：KGE以及如何计算它们

编程算法知识图谱神经网络

来源：DeepHub IMBA本文约2200字，建议阅读5分钟推荐系统是KEG应用的一个重要领域。图是我最喜欢使用的数据结构之一，它们可以使我们能够表示复杂的现实世界网络，如快速交通系统（例如，公交道路、地铁等）、区域或全球空中交通，或者人们的社交网络之类的相关事物。并且他们非常灵活，很容易被人类理解，但是为了让计算机“理解”和“学习”它们，我们需要额外的一步（称为矢量化）。这种解释可能过于简单，我们将在本文的后续部分详细解释。知识图谱有何特别之处？为了轻松理解知识图与其他图的不同之处，我们想象一个具

2022-03-04

8910

合作｜中国人寿财险联合清华大学共同推出危化品知识图谱智能工具

知识图谱大数据企业安全

来源：中国人寿财险本文约1000字，建议阅读5分钟如何提高重大危险源的管理效力是工业企业生产安全的必修课。近年来，我国安全生产形势持续稳定好转，实现了事故总量和死亡人数“双下降”。但随着经济环境的持续变化，我国安全生产仍处于爬坡过坎期，安全生产工作仍面临诸多问题。在安全生产管理中，重大危险源的安全与否对企业安全生产和社会稳定有着重大的影响，如何提高重大危险源的管理效力是工业企业生产安全的必修课。新《安全生产法》、《安全生产责任保险实施办法》等法律法规及政策文件对安全生产责任保险的承保公司提供事故预防服务

2022-03-04

1880

【WWW2021】高效的非抽样知识图谱嵌入

知识图谱(KG)是一种灵活的结构，能够描述数据实体之间的复杂关系。目前，大多数KG嵌入模型都是基于负采样进行训练的，即模型的目标是最大限度地增加KG内被连接实体的某些相似度，同时最小化被采样的断开实体的相似度。负抽样通过只考虑负实例的子集，降低了模型学习的时间复杂度，这可能会由于抽样过程的不确定性而无法提供稳定的模型性能。为了避免这一缺陷，我们提出了一种新的KG嵌入高效非采样知识图谱嵌入框架(NS-KGE)。其基本思想是在模型学习中考虑KG中的所有负面实例，从而避免负面抽样。框架可应用于基于平方损失的知识图谱嵌入模型或其损失可转换为平方损失的模型。这种非抽样策略的一个自然副作用是增加了模型学习的计算复杂度。为了解决这一问题，我们利用数学推导来降低非采样损失函数的复杂度，最终为我们提供了比现有模型更好的KG嵌入效率和精度。在基准数据集上的实验表明，NS-KGE框架在效率和准确率方面均优于传统的基于负采样的模型，该框架适用于大规模知识图谱嵌入模型。

2021-05-11

4830

认知推理：AI的下一个浪潮

知识图谱深度学习神经网络

本文详细介绍了AI的发展历史、认知智能的现状及发展方向、第三代AI、意识AI等重磅前沿领域的发展。

2020-10-26

6410

知识图谱从哪里来：实体关系抽取的现状与未来

NLP 服务知识图谱 processing 神经网络深度学习

最近几年深度学习引发的人工智能浪潮席卷全球，在互联网普及带来的海量数据资源和摩尔定律支配下飞速提升的算力资源双重加持下，深度学习深入影响了自然语言处理的各个方向，极大推动了自然语言处理的发展。来到2019年的今天，深度学习的诸多局限性也慢慢得到广泛认知。对于自然语言处理而言，要做到精细深度的语义理解，单纯依靠数据标注与算力投入无法解决本质问题。如果没有先验知识的支持，“中国的乒乓球谁都打不过”与“中国的足球谁都打不过”，在计算机看来语义上并没有巨大差异，而实际上两句中的“打不过”意思正好相反。因此，融入知识来进行知识指导的自然语言处理，是通向精细而深度的语言理解的必由之路。然而，这些知识又从哪里来呢？这就涉及到人工智能的一个关键研究问题——知识获取。

2019-11-18

7050

清华人工智能研究院孙茂松：大数据与富知识双轮驱动成NLP未来发展关键

知识图谱大数据神经网络人工智能深度学习

10月8日，北京智源人工智能研究院在清华大学FIT楼举行了“‘自然语言处理’重大研究方向暨‘北京智源-京东跨媒体对话智能联合实验室’”发布会。

2019-10-14

4790

知识图谱的关键技术及其智能应用（附PPT）

知识图谱 NLP 服务

[ 导读 ]随着自然语言处理等相关技术的发展，知识图谱已经成为工业界开展下一代人工智能应用的重要基础。几周前，北京大学的赵东岩老师，在计算所做了名为《知识图谱的关键技术及其智能应用》的讲座，讲座从知识图谱构建、补全及其人机交互问答等方面系统阐述知识图谱的关键技术方案；并结合北大计算机研究所在这个研究方向上的具体进展，以实际应用为背景、探讨如何基于知识图谱实现智能问答等智能应用的技术路线。

2019-10-08

4.3K32

在刚刚结束的ACL 2019上，知识图谱领域都发生了哪些大事？

https 网络安全知识图谱 NLP 服务

[ 导读 ]对知识工程的研究贯穿于整个人工智能的发展史。作为目前最为火热的先验知识组织、表征技术，知识图谱的相关工作在本届 ACL 上可谓万众瞩目。本文将介绍本届 ACL 收录的一些知识图谱方向的优秀成果，希望对读者们有所启发。

2019-08-28

7190

干货 | ACL 2019 知识图谱的全方位总结

知识图谱 https 网络安全 NLP 服务

ACL 2019已经结束，但其空前的规模仍然震撼人心：2900多篇提交论文，660篇被接收，3000多名会议注册人员，以及4个超过400人的研讨会（比一些国际CS会议都大）。

2019-08-19

6340

ACL 2019 | 基于知识增强的语言表示模型，多项NLP任务表现超越BERT（附论文解读）

知识图谱 NLP 服务

自从 BERT 被提出之后，整个自然语言处理领域进入了一个全新的阶段，大家纷纷使用 BERT 作为模型的初始化，或者说在 BERT 上进行微调。BERT 的优势就在于使用了超大规模的文本语料，从而使得模型能够掌握丰富的语义模式。

2019-06-18

8210

收藏 | 最新知识图谱论文清单（附解读、下载）

NLP 服务 go 知识图谱 erp

精选 6 篇来自 EMNLP 2018、COLING 2018、ISWC 2018 和 IJCAI 2018 的知识图谱相关工作，带你快速了解知识图谱领域最新研究进展。

2018-12-18

1K0

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态