• 知识图谱，也称为语义网络，代表了一个由现实世界实体（如对象、事件、情况或概念）组成的网络。
  • 知识图谱是一个数据库，使 AI 系统能够处理复杂、相互关联的数据。

企业日益使用AI 应用来做出决策。然而，AI 系统尚未能够作为复杂问题的可靠解决方案充分发挥其潜力。AI 和知识图谱都不是新技术，直到最近它们才成熟并联合起来。尽管数据和计算能力在过去十年中推动了它们的崛起，但正是两者的强大结合引发了对上下文 AI 的兴趣。

知识图谱的概念

知识图谱，也称为语义网络，代表了一个现实世界实体的网络——如对象、事件、情况或概念——并说明了它们之间的关系。这些信息通常存储在图形数据库中，并以图结构可视化，因此被称为知识“图谱”。

知识图谱由三个主要组成部分构成：节点、边和标签。任何物体、地点或人都可以是一个节点。同样值得注意的是，知识图谱的定义各不相同，并且有研究表明知识图谱与知识库或本体并无区别。

相关阅读：上海宾灵将 AI 与游戏开发和教育相结合

知识图谱构建因 AI 获得巨大推动

数据无处不在。AI 在存储和组织大量信息方面变得不可或缺——利用“知识图谱”。知识图谱是一个数据库，允许 AI 系统处理复杂、相互关联的数据。它将信息存储为由不同类型关系连接的数据点网络。知识图谱为互联网搜索、推荐系统和聊天机器提供动力。

在过去十年中，深度学习和编码器-解码器变换器架构从根本上改变了人工智能领域，极大地提高了知识感知技术。神经网络现在可以利用网络规模的数据以完全无监督的方式学习语言模型，储存大量的背景知识。企业中的大多数数据通常以文本文档的形式存在。因此，基于这些数据构建知识图谱需要定制的信息抽取（IE）分析，用于实体识别和关系抽取。这个过程也被称为知识库填充（KBP），其任务之一是填充槽。

相关阅读：星象与 AI：将古老艺术带入 21 世纪

AI 与知识图谱结合的应用与潜力

教育：教育对人类社会的发展具有重要意义。许多研究集中于部署智能应用以提高教育质量。具体来说，在大数据时代，由于教育数据的复杂性和非结构化性，数据处理成为一项具有挑战性的任务。因此，智能教育系统倾向于应用结构化数据，如知识图谱。一些基于知识图谱的应用支持教育过程，特别侧重于数据处理和知识传播。

科学研究：除了构建学术知识图谱外，许多研究人员使用知识图谱开发各种有益于科学研究的应用。提出了一种科学出版物管理模型，以帮助非研究人员从研究思维中学习可持续性的方法。他们基于知识图谱构建了一个学术网络来管理科学实体。科学实体，包括研究人员、论文、期刊和组织，在属性方面是相互关联的。

社交网络：随着 Facebook 和 Twitter 等社交媒体的快速发展，线上社交网络已渗透进人类生活，并带来了许多好处，如建立社交关系和便捷获取信息。各种社交知识图谱被建模并应用于分析社交网络中的关键信息。这些知识图谱通常基于人们在社交媒体上的活动及其帖子构建，并被应用于许多具有不同功能的应用程序中。