《人工智能基础与应用》课件——任务10 认知智能——机器如何懂语义、会思考.pptxVIP

AI遇见应用兴趣引领未来项目三认知人工智能的应用技术

任务三认知智能——机器如何懂语义、会思考人工智能基础与应用

项目三认知人工智能的应用技术

目录人工智能基础与应用

项目三认知人工智能的应用技术任务三认知智能——机器如何懂语义、会思考教学目标教学要求内容概览相关知识3.3.1认知自然语言处理及应用 3.3.2走近知识图谱3.3.3数据智能推动人机协同3.3.4大语言模型从量变到质变 练习与思考

【教学目标】1.理解并掌握自然语言处理的含义及常见应用2.初步学习知识图谱的内涵、体系及应用3.了解数据智能的定义、发展目标及数据中台的意义4.了解大语言模型及其训练方式

什么是自然语言处理？（NaturalLanguageProcessing，简称NLP）自然语言处理的目标是弥补人类交流(自然语言)与计算机理解(机器语言)之间的差距，最终实现计算机在理解自然语言上像人类一样智能，使计算机拥有能够理解、处理、并使用人类语言的能力。一、认知自然语言处理及应用

自然语言处理的常见应用“机器翻译”让世界变成真正意义上的地球村，因其效率高、成本低满足了全球各国多语言信息快速翻译的需求。“情感分析”可以从大量数据中识别和吸收相关信息，而且能够判断出一段文字所表达观点和态度的正负面性。“智能问答”能够指利用计算机自动回答用户所提出的问题。“个性化推荐”可以依据大数据和历史行为记录，学习用户兴趣爱好，实现对用户意图的精准理解，实现精准匹配。“文本分类”通过分析邮件中的文本内容，能够相对准确地判断邮件是否为垃圾邮件。收集邮件中的特征词生成垃圾词库和非垃圾词库。一、认知自然语言处理及应用

自然语言处理的常见应用电子商务背后的自然语言处理应用分析用户词句：对客户精准理解个性化推荐：帮助选择困难症顾客情感分析：分析评论，帮助产品分析智能问答：回复客户问题一、认知自然语言处理及应用

自然语言处理的发展趋势未来自然语言处理将朝着两个互补式的方向发展：“大规模语言数据的分析处理能力”和“人-机交互方式”。1.大规模语言数据的分析处理能力：指的是建立在自然语言处理上对语言信息进行获取、分析、推理和整合的能力。一、认知自然语言处理及应用以智能车载为例：在汽车使用、运维保养时，会产生大量的数据（车联网数据、车主数据特征包括驾驶行为、周边环境、违章数据、运维保养数据、习惯偏好）。

自然语言处理的发展趋势2.人-机交互方式：指的是将自然语言作为人与机器交互的自然接口和统一的交互方式。不同的机器，通常要使用不同的开发语言或方式，这严重影响了人们对机器的开发与使用。只有通过采用自然语言处理，才能让机器具有理解人类语言的能力，从而实现建立在自然语言基础上的人机交互。总结：自然语言处理作为一门新兴学科，其最终目标是为了弥补人类交流（自然语言）与计算机理解（机器语言）之间的差距，最终实现计算机在理解自然语言上像人类一样智能。一、认知自然语言处理及应用

什么是知识图谱？知识图谱(KnowledgeGraph)是一门典型的多学科融合，通过将应用数学、图形学、信息科学等学科理论、方法与计量学、统计学等方法结合，并利用可视化的图谱形象地展示出来。其核心目标是把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制显示出来，揭示知识的动态发展规律。知识图谱，本质上，是一种揭示实体之间关系的语义网络。二、走近知识图谱

什么是知识图谱？在信息的基础上，建立实体之间的联系，就能行成“知识”。知识图谱是由一条条知识组成，每条知识表示为一个SPO三元组（Subject-Predicate-Object主谓宾，用来表示事物的一种方法和形式），而这个三元组集合可以抽象为一张图。大量与之相关的实体信息会不断关联并结构化地呈现出来，实现了数据图谱化。二、走近知识图谱本体（Ontology）：实体类型的分类体系（如“人物”“地点”“事件”）。关系模式：定义实体间允许的关系类型（如“人物-工作于-公司”）。约束规则：数据类型、值域、唯一性等约束（如“出生日期必须是日期类型”）

知识图谱的体系架构知识图谱的体系架构是指其构建自身模式的结构二、走近知识图谱

知识图谱的体系架构共分为三个步骤：知识抽取：从一些公开的半结构化、非结构化的数据中，抽取出可用的知识单元。知识单元主要包括实体抽取、关系抽取以及属性抽取3个知识要素。知识表示：把知识客体中的知识因子与知识关联起来，便于人们识别和理解知识，分为主观知识表示和客观知识表示两种。知识融合：是高层次的知识组织，使来自不同知识源的知识在同一框架规范下进行组织，实现数据、信息、经验以及人的思想的融合，形成高质量的知识库。二、走近知识图谱

知识图谱的应用包括：智能搜索、社交网络，网上购物、新闻查询等，知识图谱已经