知識圖譜技術與應用

講得忒淺了... 不值得一看...

理論偏多，落地實踐的不多，和另外一本有重複內容

圖譜知識的應用越來越廣泛，特別結合大模型做知識探索，是當前的熱門應用。信通院的觀察和視野確實有前瞻性！

知識圖譜的概念由Google 在2012年提出，距離現在也纔沒多久哈哈。看完它的行業應用場景，帶給人非常欣喜的感覺，目前主要是用於和搜索、問答、推薦這三個方面的結合，未來的商業價值非常值得探索。 與此同時，它也面臨着很大的挑戰。尤其是在知識獲取 、知識融合 、知識推理 、高質量知識庫的構建、 與行業的融合等方面。 就知識獲取而言，它是構建知識圖譜、理解深層語義的主要任務，最主要的任務就是從互聯網的網頁文本中抽取實體關係。然而目前知識元素抽取技術的方法可擴展性不強，在很多方面尤其在大規模開放領域的知識抽取仍面臨着準確率低、覆蓋率低、效率低的問題。知識抽取如何在自動化的基礎上實現實用化，是亟待解決的難題。 就知識融合而言，不同來源、不同形態數據的融合， 海量數據的高效融合，新增知識的實時融合，多語言的融合，特別是中英文的融合，都是需要解決的問題;從不同數據源抽取的知識沒有統一的發佈規範，數據質量參差不齊，從中挖掘出的知識也會有大量噪聲以及冗餘。如實體通常會有多個名稱，從海量的數據中找到這些名稱並且將它們規約到同一個實體下非常重要。 目前的知識質量評估仍然過多地依賴人工，圖譜的自動化更新以及確保動態更新的有效性也是面臨的重大挑戰。 就知識推理而言，通過知識推理可以推導出新的關係，這種關係的精度難以得到保證。尤其是在大規模的知識圖譜中，預測準確率低、效率低的問題有待進一步研究。 專用領域知識圖譜構建又是一大挑戰，它的構建纔剛開始。通用的知識圖譜大多是英文的，如何將現有的基於英文的推理方法應用於中文知識圖譜的構建，是需要努力的方向。 而且缺乏高質量的知識庫，它是制約知識圖譜技術發展的又一重大問題。獲得高質量的訓練數據極爲關鍵，但是目前沒有大量且高質量的數據集，同時由數據集到知識庫的構建也有較高的技術門檻。 行業知識圖譜的構建也面臨着挑戰，如何實現專業人員與技術人員的協調，使得行業知識圖譜的質量得以提升，並真正服務於行業的實際需求，是行業知識圖譜面臨的問題，同時知識圖譜的應用場景仍然非常受限，有些場景存在“僞需求”的可能性。 正是因爲知識圖譜面臨着這麼多的挑戰，所以還有很多的可研究空間。企業應該提出更多的解決方案與最佳實踐，使得知識圖譜技術的知名度提升，與各行業相融合去創造更多的價值～

太泛泛而談，應用實例少而不精。

不太確定書意圖面向的讀者是誰，看目錄和標題像是泛普，看引用文獻像是專業交流，看內容，有很多詞彙假設了讀者已知，但時而突地來一段產品宣傳介紹。先當做概念詞彙表，多讀幾個，需要時回來查吧。 現在談及人工智能，說及宏大前景較多，從實際體驗看，簡單圖像識別和語音輸入的效果還不錯，其他諸如智能客服，語音助手之類距離實際能用還很遠，知識圖譜裏面，就通過自然語言處理從文字資料提取所謂的實體和關係就已經很難了，去重，統一概念也不易做，構造圖譜後的查詢分析和推理就更不用說了，這可能是目前的圖譜應用多數基於結構化數據構造然後做個好看的圖顯示，然後基於明確的規則計算一些結論，或者提供一些參考信息的原因吧。

1、對於不瞭解知識圖譜技術的人員來說，該書是一本很好的基礎理論書籍，即詳細說明了知識圖譜的應用領域，也對圖譜技術的構建過程有一個寬泛的說明。 2、第二章對於知識圖譜的技術要素，概括歸納的很詳細，值得反覆推敲學習 3、許多行業領域中的案例，部分還包含了整個技術架構圖，有很大的參考意義！甚至有一些公式的味道，如果需要用知識圖譜來解決現實中某個問題難點，基於這些案例的方式，把前因後果理論清楚，舉一反三，很有幫助！ 4、圖譜技術雖然在2012年於Google提出確定名稱，經過這麼多年的發展，科學專家、學者的不懈努力，依然是困難重重，行業領域商業化還屬於初級階段，這可能也和該技術剛剛興起以及入門門檻較高存在一定的關係，對於想深入這方面領域的企業或者個人而已，既是很好的機遇，當然也存在極大的挑戰！