知识图谱与向量数据库融合-王巍巍.pdfVIP

知识图谱与向量数据库融合

王巍巍长亮科技资深AI科学家

目录

知识图谱与向量数据库理论基础

案例分享

知识图谱的结构化表示

知识图谱的定义与本质：知识图谱的“三元组”结构化表示：

知识图谱是一种语义网络，用于表示实体

及其关系，本质上是一个大规模的多关系实体-属性-值。例如(“苹果公司”，“成立时间”，“1976年”)

图。它通过图结构来组织、存储和表示知

识，使得机器能够理解和推理知识。三元组类型分类实体-关系-实体。例如(“苹果公司”，“创始人”，“史蒂夫乔布斯”)

实体-类型-概念。例如(“iphone”，“类型”，“苹果手机”)

时间三元组。例如(苹果公司,创始人,史蒂夫·乔布斯,1976-2011)

三元组元属性概率三元组。例如(苹果公司,创始人,史蒂夫·乔布斯,0.99)

扩展

上下文三元组。例如(苹果公司,创始人,史蒂夫·乔布斯,科技行业)

知识图谱结构化表示的优势：

01020304

精确性优势可解释性优势一致性优势查询和推理优势

每个实体都有明确的标识符提供推理过程的详细解释逻辑一致性，并可发现和复杂查询（多跳查询、聚合查询等）

关系类型有明确的定义和约束可以追踪推理的每一步修复逻辑矛盾推理能力（演绎推理、归纳推理、类比推

强类型约束确保数据一致性知识来源可追溯一致性推理理）

知识图谱支持的推理能力

知识图谱所支持的推理能力：

演绎推理

定义：基于规则的推理

本质：从一般到特殊的推理

例如：如果所有鸟都会飞，企鹅是鸟，则企鹅会飞（哈哈）知识图谱的推理算法实现：

归纳推理前向链接

定义：基于实例的模式学习从已知事实出发来逐步推导新事实

本质：从特殊到一般的推理

例如：从多个苹果都是红色的实例，归纳出苹果是红色的（再哈哈）

后向链接

类比推理从目标结果出发来寻找支持目标结果的事实

定义：基于相似性的推理

本质：跨领域的知识迁移混合推理

例如：心脏的工作模式，很像水泵的工作模式结合前向链接和后向链接

因果推理

定义：基于因果链的推理方式

本质：因果关系分析

例如：吸烟导致肺癌，肺癌导致死亡

知识图谱的局限性

稀疏性问题静态性问题查询复杂度问题语义理解问题

知识覆盖不完整更新成本高性能瓶颈缺乏深度语义理解

现实世界的知识是知识更新需要人工干预复杂查询性能差无法理解上下文