请问知识图谱有哪些研究点是可以进行深入研究的？

漆桂林

东南大学计算机软件与理论教授

收录于编辑推荐 · 130 人赞同了该回答

知识图谱这两年研究很火，因为在业界和政府部门都取得了很好的应用，不过大部分的工作还是集中在NLP，还有很多问题没有得到解决。我觉得2018年以后，信息抽取虽然还会是知识图谱的一个比较重要的研究方向，知识图谱作为知识工程的一个分支将有更多的问题需要去解决，特别是知识图谱要实用化将面临很多挑战。以下方向值得研究：

1.信息抽取如何实用化？目前来说，靠算法解决问题的思路是不靠谱的，算法只是图谱知识获取的一个阶段，如何跟众包结合应该是实用化的一个方向，值得去研究，下面是值得读一下的论文：

http://aiweb.cs.washington.edu/ai/pubs/liu-naacl16.pdfaiweb.cs.washington.eduhttps://www.aaai.org/ocs/index.php/FSS/FSS13/paper/viewFile/7627/7543www.aaai.orghttps://arxiv.org/abs/1701.02185arxiv.org[1701.02185] Crowdsourcing Ground Truth for Medical Relation Extractionarxiv.org

2. 如何基于知识图谱做事件抽取将是值得研究的，事件抽取如果只是考虑从文本进行抽取，只能是玩玩算法，发论文可以，但是实用性差，如何通过事件抽取实现动态图谱构建，形成事件图谱，以及事件的因果关系，是值得研究的；

3. 图谱的动态融合是目前研究比较薄弱的环节，现在的知识融合还比较初级，只是跑一些机器学习算法，弄特征工程，虽然也有一些基于深度学习的技术，但是整体这块还是不够成熟，特别是没有考虑图谱的动态性，如何做增量的知识图谱融合以及在图谱融合的时候如何处理数据的不一致，都是值得研究的；

4. 常识知识挖掘和推理一直以来就没做得很好，严重阻碍了知识图谱的发展，这方面的工作不多，而且大家其实没想明白什么是常识知识，什么是常识推理，理论还是比较匮乏；下面这篇常识知识的综述论文值得读读：

Commonsense Knowledge in Machine Intelligencedl.acm.org

还有就是conceptnet的论文值得读一下，这里的知识表示方法允许节点是自然语言短语或者句子：

Speeraaai.org

5. 基于表示学习和逻辑规则的知识图谱推理值得研究，这种结合不仅仅是一个模型上的结合，还会涉及到如何通过表示学习来做规则的学习，以及通过规则学习来增强表示学习；

6. 动态知识图谱的存储和查询目前很少有人研究，特别是流数据场景下的知识图谱存储和查询怎么做，会有很多挑战。

7. 领域知识图谱构建的工作需要综合利用各种技术来完成，并且需要考虑一个图谱的应用场景，这里会有问答、推荐、搜索、自动标签、辅助决策等各种应用，目前比较值得深入的领域有农业、佛学、司法、电商、金融、军事，都是可以做出好的研究成果的领域，应用就很多了，比如说司法，可以做类案推送，可以做辅助判案，可以做均衡分案等，这些垂直领域都会有很多好的研究成果发表。

先说这么多吧，后面再补充！

编辑于 2018-03-04

13020 条评论

收藏感谢

收起

古土雷柏

知识图谱\教育工程\认知可视化

9 人赞同了该回答

我觉得目前最关键的研究点不是知识图谱本身，而是知识图谱的“上帝之手”。

李彦宏是搜索引擎领域的科学家，他应该跟谷歌创始人是同一起跑线上的，单纯讲技术，不存在谁盗版谁的问题，跟马化腾模仿OICQ，马云克隆ebay不同，李彦宏当年在搜索引擎上的研究是同时代领先的。但是今天我们用google检索看很多英文原文档，显然效果好于百度百倍。这种差距是怎么产生的？是因为google存在着一只“上帝之手”，在不断“手动”优化着搜索引擎的呈现结果，这种优化效果是超越于搜索引擎技术本身的。或者说，单纯靠搜索引擎技术本身，其实呈现出来的结果很多时候也是惨不忍睹的（比如2002年的google搜索结果）。这只“上帝之手”其实就是google的用户，用户点击行为“手动”协助了搜索结果的优化，百度因为没有大量的英文用户，所以到目前为止，我们看英文信息，在百度上搜索出来的结果，还是惨不忍睹。

反过来看知识图谱，现在能不能做到，给出一个知乎的问题，它（技术本身）就把这个问题的知识图谱精确呈现出来，显然，目前这是做不到的。同样，需要这样做一只“上帝之手”，需要有一款大量（海量）同步对接进来的知识图谱应用，通过用户“手动”的行为，对知识图谱呈现的结果进行筛选。持续的成千上万上亿次的用户大脑“微运算”，进行持续不断的结果优化。

所以，目前知识图谱技术缺乏的是一个“用户入口”，用户这只“上帝之手”进不来，导致所有的知识图谱呈现结果都是惨不忍睹，我觉得技术的进化是工作量积累和时间筛选的结果，不能跳跃式发展，机器和人之间的连接不能直接断开，不仅仅知识图谱，就是放大到整个人工智能领域，还是需要“人工”的“上帝之手”参与，阿尔法狗也不是在没有录入人类棋谱的前提下进行学习。

我觉得这是一个比技术本身更有价值的一个研究点，当然它也可以归入到技术的范畴之内。

https://www.zhihu.com/question/266032092

请问知识图谱有哪些研究点是可以进行深入研究的？相关推荐

融合知识图谱和用户行为信息的个性化推荐算法研究
来源:< 计算机科学与应用> ,作者程静文等关键词: 推荐系统:知识图谱:深度神经网络摘要: 摘要: 针对传统协同过滤存在的稀疏性和冷启动问题,通常使用深度神经网络(DNN)构建融合知 ...
虚拟专题：知识图谱 | 知识图谱多跳问答推理研究进展、挑战与展望
来源:<大数据> 知识图谱多跳问答推理研究进展.挑战与展望杜会芳1, 王昊奋1, 史英慧2, 王萌3 1 同济大学设计创意学院 2 东南大学网络空间与安全学院 3 东南大学计算机科学与工 ...
2020年，知识图谱都有哪些研究风向？
2020-07-22 01:44:58 编译 | Mr Bear 编辑 | 丛末随着认知智能走进了人们的视野,知识图谱的重要性便日渐凸显.在今年的自然语言处理顶会 ACL 2020 上,自然语言知 ...
技术动态 | 知识图谱构建的研究已走入下半场，但大规模落地应用仍需时间
本文转载自公众号:AI前线. 作者 | 李冬梅采访嘉宾 | 唐杰知识图谱是近年来人工智能技术蓬勃发展的核心驱动力之一,已广泛应用在金融.电商.医疗.政务等众多领域,经过短短几年的发展,热度依旧不减 ...
论文浅尝 | 5 篇顶会论文带你了解知识图谱最新研究进展
本文转载自公众号:PaperWeekly. 精选 5 篇来自 ICLR 2019.WSDM 2019.EMNLP 2018.CIKM 2018和IJCAI 2018 的知识图谱相关工作,带你快速了解知 ...
虚拟专题：知识图谱 | 医学知识图谱构建关键技术及研究进展
来源:<大数据> 医学知识图谱构建关键技术及研究进展谭玲1, 鄂海红1, 匡泽民2, 宋美娜1, 刘毓1, 陈正宇1, 谢晓璇1, 李峻迪1, 范家伟1, 王晴川1, 康霄阳1 1 北京 ...
综述 | 知识图谱研究进展
1 知识图谱构建技术本节首先给出知识图谱的技术地图,然后介绍知识图谱构建的关键技术,包括关系抽取技术.知识融合技术.实体链接技术和知识推理技术. 1.1 知识图谱技术地图构建知识图谱的主要目的是获 ...
知识图谱推理问答：如何让机器像人类一样学会推理
来源:AI TIME 论道本文约6000字,建议阅读10分钟本文将结合知识图谱推理问答的数据集,为大家梳理主流的研究方法,分析各种方法的优缺点,并对将来的研究工作作出展望. 标签:知识图谱近年来 ...
大规模1.4亿中文知识图谱数据，我把它开源了
作者 | Just 出品 | AI科技大本营(ID:rgznai100) 人工智能从感知阶段逐步进入认知智能的过程中,知识图谱技术将为机器提供认知思维能力和关联分析能力,可以应用于机器人问答系统.内容 ...

请问知识图谱有哪些研究点是可以进行深入研究的？

请问知识图谱有哪些研究点是可以进行深入研究的？相关推荐

最新文章

热门文章