首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    如何系统学习知识图谱-胖子哥的实践经验分享

    一、 前言 这是之前一次线上活动的待分享内容,因为一些原因,没有成行。在此开放出来,算是对之前关心和关注朋友的一次补偿。这部分内容同时也是系列课程《知识图谱实战开发案例剖析》的学习导论。相关课程已经开放在网易云课堂,关注的朋友可以前往查看。 1.1 概述 任何一项新技术的学习,都需要学习者基于自身的情况,结合被学习内容的特点进行展开,其过程既具有特殊性,同时也具有一般性,知识图谱的学习同样如此。基于胖子哥自身的切身实践,总结出了一套系统的学习知识图谱的方法,在此分享给大家。其要点可以用简单的用两句话来概况: 1. 横向覆盖:了解知识图谱所涉及的内容有哪些,并具备初步的认知能力,实现这一步,就可以对知识图谱的全局有一个系统的把握。 2. 纵向深耕:基于特定技术点进行深度学习,重点攻关、学深、学透。 以上两个点其实也是学习的两个过程,可以交叉进行,反复迭代。 1.2 人工智能的系统架构 知识图谱是人工智能进步的阶梯,开始知识图谱的学习之前,我们需要先了解一下人工智能相关的知识。人工智能从业务视角可以分为感知能力、认知能力和服务能力三个层次,其中认知能力以语义理解和语言生成为核心。如下图所示:

    04

    阿里巴巴超大规模知识图谱预训练实践:商品分类

    👆点击“博文视点Broadview”,获取更多书讯 基于电子商务平台上亿级的庞大商品库,电子商务交易得以不断增长。 为了更好地支持日常业务,需要将这些海量的商品以一种更优的方式进行描述、存储和计算,并且需要支持融合不同来源的数据,建立实体之间的语义连接,因此采用了知识图谱这种数据构架。 阿里巴巴积累了上千亿规模的商品数据作为商品知识图谱,这些数据来源于淘宝、天猫、阿里巴巴等在内的多个阿里旗下平台,囊括了品牌制造商、消费者、国家机构、物流提供商等多方利益相关者的数据。 从知识产权保护或购物体验的角度来看,商

    01

    【玩转腾讯混元大模型】腾讯混元大模型:技术代码实践与应用

    近半年时间,腾讯混元大模型在2023年腾讯全球数字生态大会上正式亮相,并宣布对外开放至今,腾讯混元一直都是国内外技术圈关注的焦点,而且腾讯混元的诞生和对外开放也标志着国产大模型进入了长跑期,并且从过去的参数至上转向了实用优先的方,截至目前腾讯混元大模型已经吸引了国内外上百个业务的接入,并在代码处理水平和效果方面取得了显著的提升。根据腾讯的官方数据显示,腾讯混元大模型的代码处理水平提升超过了20%,在实测中其代码处理效果甚至超过了ChatGPT 6.34%,而且根据HumanEval的公开测试集指标显示,腾讯混元大模型也超过了业界头部开源代码大模型如Starcoder和Codellama等。

    05

    大规模开放数字商业知识图谱评测基准来了:OpenBG上线天池

    近年来,知识图谱受到学术界和产业界的广泛关注,在教育、生物医学、金融等领域得到了广泛的应用,凸显了结构化知识在智能应用中的重要作用。2020 年图灵奖得主 LeCun、Bengio 和 Hinton 在 2015 年《Nature》论文[1]曾指出:融合表示学习与复杂知识推理是人工智能进步的阶梯。在数字商业领域,知识图谱业务的蓬勃发展在许多应用显示出了巨大的潜力,但它仍面临着诸多挑战。例如,现有的商业知识图谱往往存在大量的缺失属性、实体节点和大量相同的未对齐的实体节点,且知识图谱通常由多种模态构成,因而如何对大规模数字知识图谱进行链接预测和实体对齐(同款商品挖掘)面临严峻挑战;此外,现有的知识图谱通常缺乏对知识显著性的建模,如当用户在电商平台搜索 “跑步”关键词 时,“瓶装水”一般不是用户真实的购物意图,用户关注的商品一般是 “跑步鞋、跑步机” 等健身用品。显著的常识可以帮助搜索引擎有更好的理解能力,从而返回更贴合用户需要的商品,因此如何基于数字商业知识图谱进行商品显著性推理也面临巨大挑战。

    02

    专业的知识图谱应用门槛正在被不断降低

    知识图谱(knowledge graph)⼀度被专家称为“AI皇冠上的明珠”,因为知识图谱技术是⼈⼯智能技术⽅向中的重要⼀环。它不仅可以为其他⼈⼯智能应⽤提供⽀持,如⾃然语⾔处理、推荐系统等,更可以帮助⼈⼯智能系统⾃主构建和增⻓知识库,提升计算机的理解和分析能⼒,实现“认知智能”的⽬标。Gartner预测,到2025年,知识图谱技术将应⽤于80%的数据分析,⽽2021年这⼀⽐例仅为10%。   最近爆⽕的ChatGPT也是⾃然语⾔处理和理解领域的⼀个重要应⽤,虽然ChatGPT在⽣成和理解⾃然语⾔⽅⾯表现出⾊,但它的知识表⽰和推理能⼒有限,⽆法直接获取和处理结构化知识。因此,知识图谱可以为ChatGPT提供丰富的结构化知识,以增强其对话⽣成和理解的能⼒,进⽽提升对话系统的智能⽔平。

    02
    领券