- 文献综述（或调研报告）：
关于知识图谱涉及的关键技术自底向上的解析：
- 知识图谱的定义
知识图谱一开始是谷歌用于增强其搜索引擎功能的辅助知识库，后来微软、FB等公司都开始相关的研究活动，结合相关的成果和方向可以看出知识图谱是一种以符号形式描述实体概念及相互关系的语义知识库。实体通过关系相互联结，构成网状的知识结构。
知识图谱的研究价值在于构建web基础上的一层覆盖网络，借助知识图谱可以在web网页上建立概念间的链接关系，从而以最小代价将互联网积累的信息组织起来。其应用价值在于改变现有的信息检索方式，从而使得人们从人工过滤网页寻求答案的模式解脱。
- 知识图谱的架构
知识图谱从逻辑上将知识图谱划分为数据层与模式层。图谱的构建从原始数据出发，从原始数据中提取出知识要素，并将其存入知识库的数据层和模式层，每一轮迭代都包含3个阶段：信息抽取、知识融合和知识加工。
- 知识图谱的构建技术
信息抽取、知识融合、加工和更新的过程。
知识抽取
知识抽取主要是面向一些开放的链接数据通过自动化技术抽取出可用单元（包括实体、关系、属性等），以此为基础形成一系列事实表达，为上层模式层构建奠定基础。
知识表示
由于三元组的知识表示形式在计算效率、数据稀疏性等方面面临诸多问题，近年来以深度学习为代表的表示学习技术取得重要进展，可以将实体的语义信息表示为稠密低维实值向量，进而在低维空间中高效计算实体、关系及其复杂语义的关联。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
