对知识图谱的理解

看了前面两节。感觉知识图谱是个大工程,从实体识别到关系抽取,知识融合,知识存储,推理,问答,语义搜索。一系列环节做下来工程量很大。每个环节用现有的技术,那就是工程;用别人还没用过的技术,那是不是就可以算科研?个人觉得知识图谱自己的东西就是本体论(当然也是复杂高深的理论)。然后知识图谱可以视为一个框架,把其他领域的技术(比如NLP,机器学习)装进来追求一个好的效果。知识图谱野心很大,所有数据互联。其实仅仅做到能从所有文本中自动抽取信息,形成知识,自动推理,就很牛了。现在nlp中阅读理解是个热门话题。那么带知识图谱的深度学习模型,是不是能取得一个很好的效果?或者说知识图谱如何去助力阅读理解的深度学习模型?不知道王老师有何见解?

王昊奋 - 知识图谱从业者

赞同来自: AnselBrian fish

KG助力阅读理解的工作还刚刚开始,比如CMU的KB-LSTM的修改等,另外Winograd Schema Challenge里面不少都是需要reasoning support来完成阅读理解的,所以这个可以持续关注,还是有不少科研可以做的

要回复问题请先登录注册