隨著大數據時代的到來，海量數據不斷涌現，從中尋找有用信息，抽取對應知識的需求變得越來越強烈。針對該需求，知識圖譜技術應運而生，并在實現知識互聯的過程中日益發揮重要作用。信息抽取作為構建知識圖譜的基礎技術，實現了從大規模數據中獲取結構化的命名實體及其屬性或關聯信息。同時，由于具有多樣化的實現方法，擴充了信息抽取技術的應用領域和場景，也提升了對信息抽取技術研究的價值和必要性的認可度。本文首先以知識圖譜的構建框架為背景。探討信息抽取研究的意義；然后從MUC、ACE和ICDM三個國際測評會議的角度回顧信息抽取的發展歷史；接著，基于面向限定域和開放域兩個方面，介紹信息抽取的關鍵技術，包括實體抽取技術、關系抽取技術和屬性抽取技術。
付費5元查看完整內容
相關內容
知識圖譜（Knowledge Graph），在圖書情報界稱為知識域可視化或知識領域映射地圖，是顯示知識發展進程與結構關系的一系列各種不同的圖形，用可視化技術描述知識資源及其載體，挖掘、分析、構建、繪制和顯示知識及它們之間的相互聯系。
知識圖譜是通過將應用數學、圖形學、信息可視化技術、信息科學等學科的理論與方法與計量學引文分析、共現分析等方法結合，并利用可視化的圖譜形象地展示學科的核心結構、發展歷史、前沿領域以及整體知識架構達到多學科融合目的的現代理論。它能為學科研究提供切實的、有價值的參考。
司法知識圖譜
·
摘要 以法學知識為中心的認知智能是當前司法人工智能發展的重要方向。該文提出了以自然語言處理(NLP)為核心技術的司法案件案情知識圖譜自動構建技術。以預訓練模型為基礎,對涉及的實體識別和關系抽取這兩個NLP基本任務進行了模型研究與設計。針對實體識別任務,對比研究了兩種基于預訓練的實體識別模型;針對關系抽取任務,該文提出融合平移嵌入的多任務聯合的語義關系抽取模型,同時獲得了結合上下文的案情知識表示學習。在“機動車交通事故責任糾紛”案由下,和基準模型相比,實體識別的F1值可提升0.36,關系抽取的F1值提升高達2.37。以此為基礎,該文設計了司法案件的案情知識圖譜自動構建流程,實現了對數十萬份判決書案情知識圖譜的自動構建,為類案精準推送等司法人工智能應用提供語義支撐。
付費5元查看完整內容
知識圖譜以概念、實體及其關系的方式建模世界知識，在實際任務中得到了越來越廣泛的應用。為了介紹 知識圖譜的相關技術、評估當前技術的性能水平、了解不同技術的優缺點，揭示未來的發展方向，CCKS 2019 舉辦了 一個包含 6 個任務的評測競賽，覆蓋了實體、關系、事件及問答等多類知識圖譜關鍵技術，吸引了 1600 余支隊伍參 加。本報告系統整理了參賽隊伍使用的技術、資源和策略，可以為評估當前知識圖譜技術水平，提供構建知識圖譜系 統的技術參考，揭示未來的發展方向提供一份有價值的參考。
付費5元查看完整內容
知識圖譜
·
知識圖譜一直是研究的熱點，東南大學漆桂林老師等發表了一篇關于中文知識圖譜構建的綜述論文，詳細講述了當前中文知識圖譜的研究進展，是非常好的學習資料。
隨著智能技術的不斷發展，作為人工智能支柱的知識圖譜以其強大的知識表示和推理能力受到了學術界和產業界的廣泛關注。近年來，知識圖譜在語義搜索、問答、知識管理等領域得到了廣泛的應用。構建中文知識圖譜的技術也在迅速發展，不同的中文知識圖譜以支持不同的應用。同時，我國在知識圖譜開發方面積累的經驗對非英語知識圖譜的開發也有很好的借鑒意義。本文旨在介紹中文知識圖譜的構建技術及其應用，然后介紹了典型的中文知識圖譜，此外我們介紹了構建中文知識圖譜的技術細節，并介紹了了中文知識圖譜的幾種應用。
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191