面向事件的知识图谱构建方法

文 | Smartbi大数据百科 2021-08-24 阅读次数：2196 次浏览

商业智能BI产品更多介绍：https://www.smartbi.com.cn/

商业智能BI产品更多介绍：点击前往

1、事件关系抽取：让静态知识动起来

构建知识图谱的前提与核心条件是知识获取。具体来说，这一过程需要将现实世界中的各类“信息”转换为“知识”并表达成计算机可存储和计算的结构，再进一步形成“图谱”。早期的知识图谱构建大量依赖于人力分类，如维基百科采取“众包”的方式，让网民成为知识的贡献者，从而加快了知识图谱的累计速度。

但在大数据时代，手工劳动已经不能适应知识图谱的构建需求。不少企业开始积极探索和尝试自动化构建技术，利用机器从不同来源、不同结构的数据中进行抽取，形成知识存入到知识图谱。而在产业实践中，通过文本信息等非结构化数据中提炼知识构建知识图谱，技术上面临很多挑战。

2、事件关系提取的作用

除了行业和企业的应用，提取消费者事件的原因在内容广告、社交监听等许多业务场景中都是关注的焦点。以内容广告为例，如今的广告主更喜欢通过产品功能嵌入内容，以潜移默化的方式将自己的品牌或产品与任意的消费事件联系起来。为此，明确地提取消费者事件的原因成为构建这样一个满足广告商需求的系统的重要技术。

3、知识图谱的未来

虽然知识图谱在产业界已经得到了一定的应用，但从学术研究的角度，现在知识图谱的研究正处于快速发展初期，并从传统的以实体为核心向事件等复杂结构知识为核心转变。

显著的图谱有可能出现在和预训练语言模型的结合上，目前以 BERT 为代表的预训练语言模型正在各个 NLP 任务中发力，这些主要得益于大数据和算力的进步，但是此类模型中到底蕴含哪些知识类型，以及如何用知识图谱显示提升预训练语言模型的表示能力有可能会取得比较显著的突破。

从根本上说，从实体到事件的核心转变并不会改变基于知识图谱的人工智能推理的技术本质，其核心挑战还是在图谱上搜索最优解所面临的组合爆炸困境。近年来如 BERT、GPT-3 等大规模预训练语言模型的出现，也为解决事理图谱的组合爆炸困境提供了新的方法。

作为人工智能技术中的知识容器和孵化器，知识图谱会对未来 AI 领域的发展起到关键性的作用。无论是基于实体的传统知识图谱还是事件的新一代知识图谱，其构建技术的发展和对应用场景的探索仍然会不断的持续下去，在此过程中，知识图谱构建技术会朝着越来越自动化方向前进，也会在越来越多的领域找到能够真正落地的应用场景，在各行各业中解放生产力，助力业务转型。

申请试用了解更多

文章目录

1、事件关系抽取：让静态知识动起来 2、事件关系提取的作用 3、知识图谱的未来

试用申请

更聪明的大数据分析软件，快速挖掘企业数据价值！

我们的产品

一站式ABI平台

智慧数据运营平台

电子表格软件社区版永久免费

SaaS BI云平台

机器学习平台

嵌入式BI

一站式ABI平台

电子表格软件

面向事件的知识图谱构建方法

1、事件关系抽取：让静态知识动起来

2、事件关系提取的作用

3、知识图谱的未来

文章目录

相关推荐

UI主题套用，模板免费下载

产品

功能

解决方案

客户及案例

服务

关于

联系方式

关注我们

联系我们