一文读懂知识图谱

科技 2024-05-25 08:09 北京

当前人工智能正在从计算智能、感知智能向认知智能迈进，除了赫赫有名的大模型，知识图谱也是认知智能的重要技术。通过构建不同领域的知识图谱，机器具备了一定的认知智能能力，可以在营销、风控等多个场景中得到有效应用。

01 认识智能

人工智能有三个主要发展方向：计算智能、感知智能、认知智能，属于不同的层次，发展也是不均衡的。

一是运算智能，即快速计算和记忆存储能力。现阶段计算机比较具有优势的是运算能力和存储能力。1996年IBM的深蓝计算机战胜了当时的国际象棋冠军卡斯帕罗夫，从此，人类在这样的强运算型的比赛方面就不能战胜机器了。

二是感知智能，即视觉、听觉、触觉等感知能力。人和动物都具备，能够通过各种智能感知能力与自然界进行交互。自动驾驶汽车，就是通过激光雷达等感知设备和人工智能算法，实现这样的感知智能的。机器在感知世界方面，比人类还有优势。人类都是被动感知的，但是机器可以主动感知，如：激光雷达、微波雷达和红外雷达。不管是Big Dog这样的感知机器人，还是自动驾驶汽车，因为充分利用了DNN和大数据的成果，机器在感知智能方面已越来越接近于人类。

三是认知智能。通俗讲是“能理解会思考”。人类有语言，才有概念，才有推理，所以概念、意识、观念等都是人类认知智能的表现。在认知智能方面，机器的能力也有大幅发展。随着数据红利消耗殆尽，以深度学习为代表的感知智能遇到天花板。认知智能成为当前AI发展的热点，以chatGPT为代表的自然语言处理（NLP）技术和知识图谱技术都体现了认知智能方面的最新进展。认知智能也是释放计算智能、感知智能价值的关键一步。

02 知识图谱技术的出现

搜索引擎的发展导致了知识图谱的出现。第一代搜索引擎是文本目录方式，比如雅虎等都是这种方式。第二代搜索引擎是文本检索方式，用户输入查询词，系统比较与网页文本内容的匹配关系。第三代搜索引擎是分析和挖掘了网页链接所隐含的信息，这一阶段的典型代表就是Google所提出的PageRank链接分析技术，通过链接分析对网页重要性进行筛选，再结合文本检索阶段中的相关性，使得搜索质量有了质的飞跃。

受语义网络（Semantic network）和语义网（Semantic web）的启发，2012年，Google公司提出了知识图谱（Knowledge graph），目的是为了提高搜索引擎的智能能力，增强用户的搜索质量和体验。知识图谱是一种大规模的语义网络，知识图谱代表了全新的知识表示方式，知识工程也进入到了大数据时代，大规模自动化知识获取成为可能。同时，大数据的算力、模型、海量数据以及UGC、众包的发展也为知识图谱的出现提供了条件。

03 知识图谱的定义和示例

知识图谱（Knowledge Graph）本质上是一种大规模语义网络（Semantic Network）。

知识图谱用于以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是“实体—关系—实体”三元组，以及实体及其相关属性—值对，实体间通过关系相互联结，构成网状的知识结构。

图中的圆圈代表实体，实体和实体之间的边代表实体之间的关系，实体拥有属性，属性值用方框表示，属性是实体和属性值之间的边。

下图是一个知识图谱示例，表示口罩的产业链。

04 知识图谱研究的意义

总的来看，知识图谱成为认知智能的基石。具体来看，包括：

1.知识图谱使能机器语言认识

知识图谱有丰富的语义关系，概念，属性，关系等这些语义关系可以很好的应用到nlp相关任务上，例如分词，短语理解，文本理解等任务上。通过知识图谱可以让机器能更好的去理解自然语言，进一步的更好的理解用户的意图，文本的含义。

主要应用：

1).基础nlp任务，例如分词，文本理解；

2).对用户画像数据，对各种标签数据做数据增强。

3).搜索，问答的意图理解，推荐的用户,物品的理解；

2.知识图谱使能可解释人工智能

可解释，是强人工智能的一个重要特征。当前以深度学习模型为主的人工智能应用，虽然从结果上看效果还不错。但是模型本身就是一个黑盒的不具备可解释性，这就导致在很多需要有解释性的行业，没法使用复杂的深度学习模型。比如在司法领域、医疗诊断领域、金融领域等。

可解释性的应用也会很好的提升用户对系统的信任感，提升用户满意度。问答场景下，推荐场景下都可以加入解释功能。

应用：尤其是在司法，医疗领域

3.知识引导成为问题求解方式之一

应用：垂直领域内的深度应用，比如智能客服系统，智能外呼系统利用知识图谱可以精准的回答用户的问题，可以进行复杂问题的回答。一些垂直行业内常用的传统专家系统，通过赋予他们一定的背景知识，可以很好的提升效果。

4.知识将显著增强机器学习能力

把领域中异构的知识结构化，构建知识间关联。主要解决领域内数据分散在多个系统，数据多样、复杂，孤岛化，且单一数据价值不高的应用场景。很显然结构化的知识，天然的把领域知识做了显性化沉淀和关联。构建起来了一张图。可以利用原生图的特征，支撑数据的挖掘，分析。

主要应用：

1）做关系发展、实体探索。借助于图可视化工具发现一些信息的潜在关联。利用这些信息，来辅助决策。主要涉及的技术点：探索多个实体间的路径关系。典型的产品：天眼查

2）社团发现。发现一些相似的实体。广泛用于团伙发现，同类推荐场景。广泛用于金融行业反欺诈场景，社交推荐。主要技术点：社团搜索。

05 知识图谱的主要技术

知识图谱主要技术包括知识获取、知识表示、知识融合、知识存储、知识推理、知识维护等六个方面，通过面向结构化、半结构化和非结构化数据构建知识图谱为不同领域的应用提供支持。

1.知识抽取

从各种文本数据、半结构化数据、结构化数据中提取实体、属性和关系的信息。这个过程通常需要利用自然语言处理技术，例如实体识别、关系抽取等。

2.知识表示

KG Embedding主要是把实体（entities）和关系（relations）嵌入（Embed）到一个连续向量空间里面

RDF（Resource Description Framework，资源描述框架），使用三元组被用来表示实体与实体之间的关系

3.知识融合

将不同来源的知识进行融合，消除冲突和重复的信息，生成统一的实体、属性和关系。这个过程通常需要利用数据融合和数据清洗技术。

4.知识存储

将融合后的知识存储到知识库中。知识库可以采用关系型数据库或者图形数据库等存储技术。

图数据库源起欧拉和图理论(graph theory)，也可称为面向/基于图的数据库，图数据库的基本含义是以“图”这种数据结构存储和查询数据。它的数据模型主要是以节点和关系(边)来体现，也可处理键值对，优点是快速解决复杂的关系问题。以下是常用图数据库的使用热度趋势图。Neo4j 是最主流、使用最为广泛的图数据库，相比其他数据库更加成熟。

5.知识推理

利用知识库中的实体、属性和关系进行推理，生成新的实体、属性和关系。这个过程通常需要利用知识表示和推理技术。

6.知识维护

不断更新和维护知识库中的实体、属性和关系。这个过程通常需要利用自动化的知识更新和知识维护技术。

06 知识图谱的应用场景

1.基于知识图谱的产业链分析

全钢子午轮胎产业链分析知识图谱

2.基于知识图谱的智能营销

知识图谱能够整合更丰富、更全面的用户信息，根据精准营销的不同角度设定不同类别的场景标签，通过知识图谱技术提供的分类标准，进行用户的标签化分类工作，建立合理的客户类型初分体系。同时结合黑白名单技术，对客户进行判断，对客户质量进行筛选与把控，并最终实现互联网金融产品推荐、客户准入、客户跟踪管理等高级营销策略。

3.基于知识图谱的银行业信贷风险评估

基于知识图谱的银行业信贷风险评估能够整合内外部数据资源，根据行业信息建立关系挖掘模型，展示每个行业的风险状况与关联程度，能够全面准确评估信贷风险，如果某一行业发生了行业风险或高风险事件，可以及时预测未来有潜在风险的关联行业，信贷评估可对相关行业的风险做出预判，尽早地发现并规避风险。

中国信息通信研究院《人工智能白皮书》下载方式：

1、关注本公众号“金融IT那些事儿”

2、公众号后台回复关键字：AI，即可下载

近期文章精选

OpenAI Sora的优劣势和应用前景分析

http://mp.weixin.qq.com/s?__biz=MzI4MDE2MTI4OA==&mid=2653137898&idx=1&sn=1107dec6b9deb97e01a84a636d98dc3b

金融IT那些事儿

资深企业架构师，数字化转型专家，TOGAF企业架构鉴定级认证专家认证，《企业架构驱动数字化转型》专著作者，20年金融业、制造业企业信息化经验，分享数字化转型、企业架构、数据资产、商业模式、战略转型等内容

最新文章

人工智能的三大流派：符号主义、联结主义和行为主义

参加2024年The Open Group生态系统架构大会有感

一个嬉皮士是如何成长为数十亿美元上市公司总裁的？读《臣服实验》有感兼谈认知觉醒与开悟

模块化组织：制造业组织敏捷转型形态

RAG架构智能体

如何在12个月内快速成为领域专家？

51张架构图把企业数字化转型IT建设的核心内容给讲透了！

AI算力的基石：CPU、GPU、DPU、TPU和NPU

AI平台如何实现训推一体？

火箭回收技术的演进

新版2024企业级BI平台白皮书（附下载）

Gartner发布2025年十大战略技术趋势代理型AI与多功能机器人入选（附下载）

全国高校人工智能哪家强？从AI独角兽三足鼎立到AI七校

北大AI独角兽峰会：AI发展的下一个风口是什么？

创造历史！AI教父获得诺贝尔物理学奖，AGI还会远吗？

业务架构系列：继续探讨业务角色

业务架构系列：业务角色与活动、岗位的关系

业务架构系列：业务角色设计

马斯克极简五步工作法：第一步是质疑

年薪98w！金融it人的新方向，工资高前景好！

一文读懂数据资产入表怎么做

10万字、近20家企业BI智能分析决策合集

把握新质生产力核心理念，勇敢投身细分赛道

吕家进：对数字金融发展的理解与思考

大模型在零售电商行业的应用，改变未来购物体验

10000字长文解读华为30年业务变革之路

构建指标体系，驱动企业数字化转型

月薪超6w！金融it行业新兴领域，人才缺口极大！

大模型在汽车行业的应用场景分析

‌阿里的“六个盒子”

数据资产入表退圈？数据资产管理到何处去？

中共中央、国务院印发《关于加快经济社会发展全面绿色转型的意见》（全文）

腾格里的召唤（一）西北自驾游行程路线

采购的秘密

40+指标银行BI指标体系！万字详述银行实现全面自助分析

超详细: ChatGPT金融实操全流程！

取代数据岗，某司数据从业人员已集体转行...

华为ERP使用的元数据多租架构究竟是什么？

企业架构专家谈||企业架构与业务变革

头部股份行、城商行数据应用实践案例分享（附下载）

六月荐书：让精神在阅读中丰盈

10000字长文解读华为30年业务变革之路

随笔：海参崴的前世今生

金融AI实操全流程(从未如此详尽)

月薪超6w！金融it行业的新领域！

企业架构成熟度模型ACMM

一文读懂知识图谱

一文读懂企业画像

神经网络详解：以最易懂最清晰的方式讲解神经网络

裁员了，很严重，大家做好准备吧！

分类

时事

民生

政务

教育

文化

科技

财富

体娱

健康

情感

旅行

百科

职场

楼市

企业

乐活

学术

汽车

时尚

创业

美食

幽默

美体

文摘

原创标签

时事社会财经军事教育体育科技汽车科学房产搞笑综艺明星音乐动漫游戏时尚健康旅游美食生活摄影宠物职场育儿情感小说曲艺文化历史三农文学娱乐电影视频图片新闻宗教电视剧纪录片广告创意壁纸头像心灵鸡汤星座命理教育培训艺术文化金融财经健康医疗美妆时尚餐饮美食母婴育儿社会新闻工业农业时事政治星座占卜幽默笑话独立短篇连载作品文化历史科技互联网

发布位置

广东北京山东江苏河南浙江山西福建河北上海四川陕西湖南安徽湖北内蒙古江西云南广西甘肃辽宁黑龙江贵州新疆重庆吉林天津海南青海宁夏西藏香港澳门台湾美国加拿大澳大利亚日本新加坡英国西班牙新西兰韩国泰国法国德国意大利缅甸菲律宾马来西亚越南荷兰柬埔寨俄罗斯巴西智利卢森堡芬兰瑞典比利时瑞士土耳其斐济挪威朝鲜尼日利亚阿根廷匈牙利爱尔兰印度老挝葡萄牙乌克兰印度尼西亚哈萨克斯坦塔吉克斯坦希腊南非蒙古奥地利肯尼亚加纳丹麦津巴布韦埃及坦桑尼亚捷克阿联酋安哥拉