标签：关系 01 06 标签 知识 融合 实体 2021 节点

KG构建：
对于三元组的表示学习，有各类深度学习算法，如TransE、TransH、TransR、TransG、KBGAN。

1、分层次的领域模式（Schema）（知识建模（业务建模））

专业领域是按照专家经验构造出一个知识图谱的schema，后在实践过程当中不断完善。归类

2、知识抽取 包括实体抽取、关系抽取、属性抽取
不同的背景下可能选择不同的知识抽取的算法
3、知识融合
模式层的融合以及数据层的融合。
模式层的融合主要包括概念，概念的上下位、概念的属性这些统一；
数据层的融合主要是将不同来源的数据的相同实体的不同表达形式进行融合，包括实体的合并，实体大户型与关系的合并等
在不同来源的知识里面如何融合成一个相同的？（语义消歧、实体对齐、指代消解）知识归纳、算法实现
4、知识存储
图数据库单机Neo4j，付费版
在深入学习图形数据库之前，首先理解 属性图 的基本概念。
属性图是由 顶点（Vertex），边（Edge），标签（Lable），关系类型 还有 属性（Property）组成的有向图。顶点也称为 节点 （Node），边也称为 关系（Relationship）。在图形中，节点和关系是最重要的实体。
所有的节点是独立存在的，为节点设置标签，那么 拥有相同标签的节点属于同一个集合 。节点可有零个、一个或多个标签。关系通 过关系类型来分组，类型相同的关系属于同一个集合 。关系是有向的，关系的两端是起始节点和结束节点，通过有向的箭头来标识 方向，节点之间的双向关系通过两个方向相反的关系来标识。关系必须设置关系类型，并且只能设置一个关系类型 。
Neo4j 创建的图（Graph）基于属性图模型，在该模型中，每个实体都有 ID（Identity）唯一标识，每个节点由标签（Lable） 分组，每个关系都有一个唯一的类型。
5、知识计算
知识计算主要是指在结构化的知识存储中发现隐含关系以及知识，包括但不限于：
知识推理：产生式规则、基于为此逻辑
知识推理可以补充知识图谱的内容，或进行完善、校验。
Path Ranking Algorithm (PRA)算法和DeepPath
图挖掘相关技术：图遍历、最短路径查询、子图查询、路径探寻
6、知识应用
将构建的知识以合适的方式呈现给用户

标签：关系,01,06,标签,知识,融合,实体,2021,节点
来源： https://blog.csdn.net/ycb1140178095/article/details/117440075

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。