人工智能知识图谱
1 知识图谱
知识图谱(Knowledge Graph)又称为科学知识图谱，由Google与2012年5月提出，目的是提高搜索引擎的能力，改善用户的搜索质量及搜索体验。随着人工智能技术的发展和应用，知识图谱逐渐成为关键技术之一，现已被广泛应用于智能搜索、智能问答、个性化推荐、内容分发等领域。
维基百科
知识图谱是Google用于增强其搜索引擎功能好的知识库。本质上，知识图谱旨在描述真实世界中存在的各种实体或概念及其关系，其构成一张巨大的语义网络图，节点表示实体或概念，边则由属性或关系构成。
- 实体
具有可区别性且独立存在的某种事物。如某种动物、某种商品等。 - 语义类(概念)
具有同种特性的实体构成的集合，如动物、人类等。 - 内容
实体或语义类的描述，如狗是忠诚的、人是智慧的等。 - 属性
对某种实体的拆分，标签化，如狗的属性有叫、跑、走等。 - 关系
实体间的联系方式，数学上称为函数(映射)关系，如父母与孩子的关系式直系亲属等。
百度百科
2 AI知识图谱
为指导AI生产与学习，提高效率，明确方向，特整理成知识图谱。并对各部分进行拆解，小目标学习提升。图2.3是人工智能四个维度的拆解，图2.2是人工智能理论方向的知识体系，分为七块，每一块都由相应的知识组成，图2.3则是完整的理论架构。(PS:点击放大，可放在PPT或论文中)
图2.1知识图谱架构
图2.2理论架构
图2.3理论整体架构
3 总结
人工智能领域，技术日趋成熟，产品更是及时落地，巨人已有，入行门槛“降低”–不存在的，需要系统学习，项目驱动，快速提升业务能力。
[参考文献]
[1]https://baijiahao.baidu.com/sid=&wfr=spider&for=pc
[2]https://blog.csdn.net/_/article/details/
附件
将理论架构拆解，分成七个小块，为方便使用，贴出小目标图。
图1 数学知识
图2 计算机知识
图3 机器学习
图4 应用领域
图5 第三方框架
图6 数据集
图7 周边知识
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/117870.html