知识图谱技术研究

被引：8

作者：

刘巍

陈霄

陈静

周觐

张斌

机构：

[1] 军事科学院

来源：

指挥控制与仿真 | 2021年 / 43卷 / 06期

关键词：

知识图谱; 人工智能; 语义搜索; 知识表示; 知识融合;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

作为一种高效、智能的知识组织手段,知识图谱可以帮助用户快速、准确地获取自身关注的信息,近年来得到飞速发展。知识图谱与深度学习、大数据等技术已成为推动人工智能发展的核心力量。从知识图谱的基本概念出发,系统地分析了知识图谱的架构和构建方法;之后,围绕知识图谱的全生命周期技术,从知识建模、获取、融合、加工、存储、推理和典型应用等几个层面阐述了知识图谱构建过程中所使用的关键技术在国内外的研究进展;然后,阐述了知识图谱在智能语义搜索、知识问答系统以及公安、医疗、工业生产等垂直行业中的落地应用;最后,探讨了知识图谱的发展趋势和目前存在的诸多挑战。

引用

页码：6 / 13

页数：8

共 28 条

[1]

基于深度学习的实体和关系联合抽取模型研究与应用.[D].钟华帅.华南理工大学.2020, 02

[2]

基于深度学习的医疗命名实体识别方法研究.[D].张若雨.齐鲁工业大学.2020, 02

[3]

面向非结构化文本的实体属性抽取关键技术研究.[D].何霖.哈尔滨理工大学.2020, 02

[4]

基于弱监督学习的关系抽取方法研究.[D].倪骏.大连理工大学.2020, 02

[5]

基于混合层叠模型的命名实体识别研究.[D].贾大宇.东北大学.2016, 07

[6]

基于深度学习的联合实体关系抽取.[D].孙长志.华东师范大学.2019, 02

[7]

知识图谱.[M].王昊奋;漆桂林;陈华钧.电子工业出版社.2019,

[8]

Deep Residual Learning for Weakly-Supervised Relation Extraction..Huang Y Y;Wang W Y;.Proceedings of the 2017 Conference on Empirical Methods in Natural Language Processing.2017,

[9] 网络威胁情报关联分析技术 [J].

王淮 ;

杨天长 .

信息技术, 2021, (02) :26-32

[10] 知识图谱在智能制造领域的研究现状及其应用前景综述 [J].

张栋豪 ;

刘振宇 ;

郏维强 ;

刘惠 ;

谭建荣 .

机械工程学报, 2021, 57 (05) :90-113

← 1 2 3 →