知识图谱的最新进展、关键技术和挑战

被引：74

作者：

马忠贵

倪润宇

余开航

机构：

[1] 北京科技大学计算机与通信工程学院

来源：

工程科学学报 | 2020年 / 42卷 / 10期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

知识工程; 知识图谱; 知识融合; 知识推理; 知识抽取与表示;

D O I：

10.13374/j.issn2095-9389.2020.02.28.001

中图分类号：

TP391.1 [文字信息处理]; G353.1 [情报资料的分析和研究];

学科分类号：

摘要：

围绕知识图谱的全生命周期技术,从知识抽取、知识融合、知识推理、知识应用几个层面展开综述,重点介绍了知识融合技术和知识推理技术.通过知识抽取技术,可从已有的结构化、半结构化、非结构化样本源以及一些开源的百科类网站抽取实体、关系、属性等知识要素.通过知识融合,可消除实体、关系、属性等指称项与实体对象之间的歧义,得到一系列基本的事实表达.通过本体抽取、知识推理和质量评估形成最终的知识图谱库.按照知识抽取、知识融合、知识推理3个步骤对知识图谱迭代更新,实现碎片化的互联网知识的自动抽取、自动关联和融合、自动加工,从而拥有词条自动化链接、词条编辑辅助功能,最终达成全流程自动化知识获取的目标.最后,讨论知识图谱未来的发展方向与可能存在的挑战.

引用

页码：1254 / 1266

页数：13

共 26 条

[11] 知识图谱[M]. 电子工业出版社 , 王昊奋, 2019
[12] 知识图谱技术与应用[M]. 人民邮电出版社 , 闫树, 2019
[13] Knowledge graph embedding via reasoning over entities, relations, and text[J] . Binling Nie,Shouqian Sun.Future Generation Computer Systems . 2018
[14] Exploiting semantic similarity for named entity disambiguation in knowledge graphs[J] . Ganggao Zhu,Carlos A. Iglesias.Expert Systems With Applications . 2018
[15] Robust named entity disambiguation with random walks[J] . Zhaochen Guo,Denilson Barbosa.Semantic Web . 2017 (4)
[16] Unsupervised biomedical named entity recognition: Experiments with clinical and biological texts[J] . Shaodian Zhang,Noémie Elhadad.Journal of Biomedical Informatics . 2013 (6)
[17] YAGO2: A spatially and temporally enhanced knowledge base from Wikipedia[J] . Johannes Hoffart,Fabian M. Suchanek,Klaus Berberich,Gerhard Weikum.Artificial Intelligence . 2013
[18] Relational retrieval using a combination of path-constrained random walks
Lao, Ni
Cohen, William W.
[J]. MACHINE LEARNING, 2010, 81 (01) : 53 - 67
[19] 基于多标签策略的中文知识图谱问答研究 .2 朱宗奎,张鹏举,贾永辉,等. 计算机工程 .
[20] Simple embedding for link prediction in knowledge graphs .2 Kazemi S M,Poole D. Proceedings of the 32nd International Conference on Neural Information Processing Systems . 2018

← 1 2 3 →