如何看待事理图谱版magi--学迹
如何看待事理图谱版magi–“学迹”:项目地址:https://xueji.zhiwenben.com
看到界面和功能都似乎很相似,除了magi更通用一些,这个系统更专注“事件”这个领域,请问两者的区别是什么?或者说这个系统就是利用magi背后的技术做的?
zhangmianhongni commented 2 hours ago
同问,一看风格就是magi一样
项目地址:https://xueji.zhiwenben.com
回复大家:
感谢关注,我更倾向于称它为"事理图谱版的MAGI,也是这几年在事理图谱方面的工作总结".接下来说下两者异同:
一, 相同之处
1,界面很像,我们100%的借鉴了MAGI的界面,此处致敬@PeakLAB,这种展现方式很有趣.
2,感官相似,是一个技术展示平台,从中向社会展示其中的抽取能力,实时学习能力.
当然,"界面很像"很容易先入为主地认为,“学迹”(xueji)与magi很像,确实,从发音上来讲,后缀也很相似.
但要注意的是,皮肤一样,但里面的东西完全不一样.
二,"学迹"系统与Magi的区别在于:
1)不做"实体抽取"和"实体搜索"
我们聚焦于是在"事件"上的知识库,与MAGI的实体不一样,我们关注事件本身(社会对这个事件的理解,概念的理解),事件之间的逻辑关系(事理逻辑),即更关注事件演化和进一步推理规则而做的知识库准备,因果关联,基于事件概念等同性的关联,以此将事件直接连接起来.换而言之,我们是借用了"magi"的表皮,为事件搜索找了一个呈现方式.
2)不仅"抽取",更是"应用"
第一步是建库的过程,第二步是用库的过程,事件及事件关联的终极目标是做模式推理和常识预测.
因此,正如我们在页面中看到的,引入了关联数据,产业链推理,这相当于将事件和产业链知识图谱进行了结合,因为两者都有推理能力.
3)技术不同,只围绕事件
MAGI的技术本身并未开放,或多或少地了解到一些"迁移学习"的思想."学迹"聚焦于事件识别,事件概念识别,事件逻辑关系抽取,以及事件关联数据和融合等方面,在技术上也是截然不同的.
4)定位不同
"学迹"是一个实时的事理学习和搜索引擎(后面长期会保持这种形态),"事件"而非"实体"的定位,直接决定了其技术外延的不同,事件的知识挖掘和应用与实体的有很大的差异,这是点到面的差异.
最后,感谢大家对"学迹"的关注,希望帮忙传播,提出一些批评意见.
可以体验
项目地址:https://xueji.zhiwenben.com
如有自然语言处理、[知识图谱、事理图谱]、社会计算、语言资源建设等问题或合作,如果对事件知识库有兴趣的落地或者研究,可联系我:
1、我的github项目介绍:https://liuhuanyong.github.io
2、我的csdn博客:https://blog.csdn.net/lhy2014
3、about me:刘焕勇,中国科学院软件研究所,lhy_in_blcu@126.com
4、懂语言者得天下,得语言者分天下,得知识逻辑者,游得天下。
如何看待事理图谱版magi--学迹相关推荐
- 大规模事理常识知识系统“学迹”的定位、应用与不足
我们于3月16正式对外发布了一个面向事理的实时学习和搜索系统Demo,取名叫"学迹",取自"学事理,知行迹"(https://xueji.zhiwenben.c ...
- CCKS2020事理图谱应用工作:刘焕勇等.面向开放文本的逻辑推理知识抽取与事件影响推理探索
一.背景介绍 第十四届全国知识图谱与语义计算大会(CCKS 2020) 11 月 12 日至 15 日在江西南昌举行,CCKS(China Conference on Knowledge Graph ...
- 实时事理逻辑知识库(事理图谱)终身学习项目-EventKGNELL(学迹)
EventKGNELL EventKGNELL, event knowlege graph never end learning system, a event-centric knowledge b ...
- 技术动态 | 事理图谱,下一代知识图谱
本文转载自公众号:DataHorizon. 人工智能与认知智能 当前人工智能时代下,机器与人类之间的博弈一直在进行着.如图1所示,从1926年达特茅斯会议的召开标志人工智能诞生到深度学习模型在若干人工 ...
- 万字长文:近年来学界、业界视角下的“事理图谱”发展总结与思考
一.引言 大部分技术都会经历从提出,到验证,再到修正,再到落地的这样一个过程.事理图谱这个概念从国内学者自2017年提出到现在,已经经历了近4年的时间,那么在这四年的时间里,事理图谱目前处于 ...
- 我们的实践:事理图谱,下一代知识图谱
原文链接:https://mp.weixin.qq.com/s/iLfXeVeWE5CCs_sM_NAOSw 一.人工智能与认知智能 当前人工智能时代下,机器与人类之间的博弈一直在进行着.如图1所示, ...
- 事理图谱-下一代知识图谱
一.人工智能与认知智能 当前人工智能时代下,机器与人类之间的博弈一直在进行着.如图1所示,从1926年达特茅斯会议的召开标志人工智能诞生到深度学习模型在若干人工智能领域大规模应用的如今,人工智能已经走 ...
- 手把手 | 事理图谱,下一代知识图谱
大数据文摘投稿作品 作者:刘焕勇.薛云志 当前人工智能时代下,机器与人类之间的博弈一直在进行着.如图1所示,从1926年达特茅斯会议的召开标志人工智能诞生到深度学习模型在若干人工智能领域大规模应用的如 ...
- 让静态知识动起来:从知识图谱到事理图谱
2021-03-12 18:42 导语:从是什么到为什么. 作者 | AI科技评论 在社交网络中,有这样一条著名的"六度分隔理论": "最多通过五个人,你就能够认识世界上 ...
最新文章
- Linux 命令行网络监控工具
- Error opening zip file or JAR manifest missing的解决方法
- c语言蓝桥十进制转十六进制,蓝桥杯 基础练习 十进制转十六进制
- Python 各种读取保存tif,tiff,png,jpg,mat等格式图像方法大集合
- C#使用Xamarin开发可移植移动应用进阶篇(8.打包生成安卓APK并精简大小),附源码...
- AI理论知识整理(18)-内积与范数
- linux 端口qos,linux的qos机制 - cgroup篇 (2)
- 准备拉琴的zskame大白菜
- vue使用canvas开发漂亮的多功能手写板组件
- 超越界限,定义未来-- HP刀片工作站WS460c Gen9无惧4K挑战
- 车rc陀螺仪测试软件,利用加速度计和陀螺仪测量车辆运动
- linux 传真 邮件,基于Linux的传真系统(转)
- 六轴机器人直角坐标系建立_工业机器人六种坐标系详解(图)
- dat图片 电脑端微信_微信电脑图片dat转为jpg
- QCon演讲实录|基于 KAITIAN 的前端工程研发模式变革
- html背景音乐加载太慢,HTML插入背景音乐方法【全】
- shell的几个重要命令,主要参数,循环语句以及变量处理
- 计算机学业水平测试表格题,2010 年信息技术学业水平考试试题
- RNA-seq 详细教程:假设检验和多重检验(8)
- Mysql的MMM高可用群集
热门文章
- 推荐Linux内核书籍
- 尘埃落定,初心未改——一个大学生的电子大赛感悟
- 从头开始学一个android activity
- 在已经排好序的线性表中插入一个数,还是升序
- 流浪地球开机动画包zip_影视日报|合家欢动画电影quot;许愿神龙quot;定档1.15;流浪地球加长版定档11.26...
- 1+X web中级 Laravel学习笔记——Eloquent ORM查询、更新、删除、新增
- 十一、CSS初始化详解
- LeetCode 1785. 构成特定和需要添加的最少元素(贪心)
- LeetCode 987. 二叉树的垂序遍历(递归/循环)
- 数据结构--树状数组