知识图谱前沿技术研讨会.pdfVIP

知识图谱前沿技术研讨会 肖仰华 复旦大学 2015/12/29 复旦大学知识工场 1 人与机器 机器语义理解是机器与人和谐共存的前提！ 2015/12/29 2复旦大学知识工场 关联是机器语义理解的核心 知识图谱 ? Google2012年提出知识图谱，应用于搜索 ? 是大数据时代一种典型的大规模知识表示形式， 表达了实体及其之间的各类语义关系，相对于 本体等知识表示模型，有着较高的实体、概念 覆盖率，表达了更为丰富的语义关系 意义1：下一代智能信息处理的关键技术 知识图谱是意图理解、关系解释、用户画像的技术基础； 在智慧搜索、智慧软件、移动安全、智慧商务等领域有着广阔应用前景 意义2：实现机器智脑(语言认知)的关键技术 ?美国脑计划、欧盟(IBM)蓝脑计划、Google全球脑计划、百度大脑计划、 中国脑计划 ?知识图谱为语义理解提供了丰富的背景知识，是探索语言以及概念认 知的数据基础，是机器智脑实现类人智能的核心 2015/12/29 3复旦大学知识工场 4机遇与挑战 新机遇 新挑战 众包技术的成熟使得利用大规模人力资源构建知识图谱成为可能 完成初始积累的在线知识库正迈进爆发式增长周期 知识图谱在搜索之外应用价值日益显现 深度学习使得无监督的知识图谱构建成为可能 体量更巨 大 关系更多 样 质量要求 更苛刻 计算任务 更复杂 2015/12/29 复旦大学知识工场 5知识工场平台 知识图谱云服务平台 ?集中发布、展示各 类知识图谱，以及相 关的应用系统与平台； ?提供丰富的API访问 接口。 2015/12/29 复旦大学知识工场 6知识库1：CN-DBPedia 致力于从中文百科类网站（如百度 百科、互动百科等）中提取结构化 信息，并将其共享。目前已包含千 万级实体、亿级事实。 ?支持用户进行复杂查询， ?并将中文百科类网站数据与互联网 上其他数据源数据进行连接 关键技术 ?基于深度学习的概念识别 ?实体链接 ?属性融合 ?跨语言类别推断 ?链接实体重组 Examples:复旦大学,校长,许宁生 2015/12/29 复旦大学知识工场 7知识库2：Probase Plus 基于微软亚洲研究院大规模分类体 系Probase，通过一系列质量改进技 术构建的大规模实体概念分类体系。 ?包含千万级的实体与概念，以及isA 关系。 ?在概念化、摘要、搜索意图理解、 用户画像等领域发挥重大价值。 关键技术 ?缺失边补全 ?错误边删除 ?isA关系推断 ?多源分类体系融合 ?中文分类体系补全 Examples: Bill Gates isA Billionaire 2015/12/29 复旦大学知识工场 8知识库3：Verb-base 基于概念模式的大规模动词知识库。 通过挖掘动词短语的概念模式，构建 了常见动词的语义表示形式。 ?该知识库涵盖常见2万动词，共计14 万短语。 ?基于概念模式的动词知识库已经在实 体概念化、词汇的语义表示等方面发 挥积极的作用。 关键技术 基于MDL的泛化 Examples： 2015/12/29 复旦大学知识工场 9系统与平台 KBQA：基于知识图谱的自 然语言问答系统 对于RDF的知识图 谱直接进行自然语言回答，能够回答各类事实 性问答。 CalStayNight:大规模分布式 智能防屏蔽互联网爬虫平台 支持上百节点、分布式、防屏蔽、易部署、高可 用、优先级敏感的互联网数据爬取平台。 NLPDL:基于Torch深度定制 的深度学习平台 支持主流深度学习模型与常见自然语言处理任务、 支持各类基于深度学习模型的知识抽取任务 2015/12/29 复旦大学知识工场 2015/12/29 知识 表示 动词 表示 众包 清洗 图谱 构建 实体 链接 图谱 存储 图谱 查询 实体 探索 实体 搜索 概念 学习 基于深度学习的文本处理 表示 应用管理构建 Outline 10复旦大学知识工场 谢谢！ 2015/12/29 复旦大学知识工场 11