机器学习知识图谱.PDFVIP

2017 年“盖亚”青年学者科研基金研究课题 1. 机器学习 作为近十年来人工智能领域的重要突破，深度学习在语音识别、自然 语言处理、计算机视觉等诸多领域的应用取得了广泛成功，但在全球 交通领域的应用探索才刚刚起步，潜力巨大。灵活运用机器学习理论 和方法，创新机器学习技术，来最大化交通运力，改善城市交通效率， 提升出行体验，是非常值得研究的话题，也必将驱动人工智能技术迅 速迭代升级。 研究方向建议但不限于： A) 深度学习的理论和方法论研究 出行轨迹数据挖掘深度学习算法研究。 B) 强化学习相关算法研究 强化学习在智能分单、运力调度等应用场景的算法研究。 2．知识图谱 知识图谱(Knowledge Graph)其将信息表达成更接近人类认知世界的 形式，提供了帮助互联网组织、管理和理解海量信息的能力，拥有着 丰富的应用场景。在出行领域，基于实体识别、实体链指和语义分析 技术，整合关联了其他外部公开的本体即可 搭建起一个巨大的知识 网，进一步释放知识图谱和大数据潜能。这无论是在反欺诈、反身份 盗用、异常分析还是在用户交互等方面，意义都非常重大。 研究方向建议但不限于： A) 基于知识图谱来挖掘各种实体相关性 基于滴滴拥有的丰富乘客关系数据，挖掘各种实体相关性，发挥知识 对于潜在用户分析等场景的实际应用。 B)