漆桂林東南大學(xué) 計算機(jī)軟件與理論教授收錄于編輯推薦?·?130 人贊同了該回答

知識圖譜這兩年研究很火，因為在業(yè)界和政府部門都取得了很好的應(yīng)用，不過大部分的工作還是集中在NLP，還有很多問題沒有得到解決。我覺得2018年以后，信息抽取雖然還會是知識圖譜的一個比較重要的研究方向，知識圖譜作為知識工程的一個分支將有更多的問題需要去解決，特別是知識圖譜要實用化將面臨很多挑戰(zhàn)。以下方向值得研究：

1.信息抽取如何實用化？目前來說，靠算法解決問題的思路是不靠譜的，算法只是圖譜知識獲取的一個階段，如何跟眾包結(jié)合應(yīng)該是實用化的一個方向，值得去研究，下面是值得讀一下的論文：

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

2. 如何基于知識圖譜做事件抽取將是值得研究的，事件抽取如果只是考慮從文本進(jìn)行抽取，只能是玩玩算法，發(fā)論文可以，但是實用性差，如何通過事件抽取實現(xiàn)動態(tài)圖譜構(gòu)建，形成事件圖譜，以及事件的因果關(guān)系，是值得研究的；

3. 圖譜的動態(tài)融合是目前研究比較薄弱的環(huán)節(jié)，現(xiàn)在的知識融合還比較初級，只是跑一些機(jī)器學(xué)習(xí)算法，弄特征工程，雖然也有一些基于深度學(xué)習(xí)的技術(shù)，但是整體這塊還是不夠成熟，特別是沒有考慮圖譜的動態(tài)性，如何做增量的知識圖譜融合以及在圖譜融合的時候如何處理數(shù)據(jù)的不一致，都是值得研究的；

4. 常識知識挖掘和推理一直以來就沒做得很好，嚴(yán)重阻礙了知識圖譜的發(fā)展，這方面的工作不多，而且大家其實沒想明白什么是常識知識，什么是常識推理，理論還是比較匱乏；下面這篇常識知識的綜述論文值得讀讀：

Commonsense Knowledge in Machine Intelligence?dl.acm.org

還有就是conceptnet的論文值得讀一下，這里的知識表示方法允許節(jié)點是自然語言短語或者句子：

Speer?aaai.org

5. 基于表示學(xué)習(xí)和邏輯規(guī)則的知識圖譜推理值得研究，這種結(jié)合不僅僅是一個模型上的結(jié)合，還會涉及到如何通過表示學(xué)習(xí)來做規(guī)則的學(xué)習(xí)，以及通過規(guī)則學(xué)習(xí)來增強(qiáng)表示學(xué)習(xí)；

6. 動態(tài)知識圖譜的存儲和查詢目前很少有人研究，特別是流數(shù)據(jù)場景下的知識圖譜存儲和查詢怎么做，會有很多挑戰(zhàn)。

7. 領(lǐng)域知識圖譜構(gòu)建的工作需要綜合利用各種技術(shù)來完成，并且需要考慮一個圖譜的應(yīng)用場景，這里會有問答、推薦、搜索、自動標(biāo)簽、輔助決策等各種應(yīng)用，目前比較值得深入的領(lǐng)域有農(nóng)業(yè)、佛學(xué)、司法、電商、金融、軍事，都是可以做出好的研究成果的領(lǐng)域，應(yīng)用就很多了，比如說司法，可以做類案推送，可以做輔助判案，可以做均衡分案等，這些垂直領(lǐng)域都會有很多好的研究成果發(fā)表。

先說這么多吧，后面再補(bǔ)充！

編輯于 2018-03-04130?20 條評論?分享?收藏?感謝?收起 古土雷柏知識圖譜\教育工程\認(rèn)知可視化9 人贊同了該回答

我覺得目前最關(guān)鍵的研究點不是知識圖譜本身，而是知識圖譜的“上帝之手”。

李彥宏是搜索引擎領(lǐng)域的科學(xué)家，他應(yīng)該跟谷歌創(chuàng)始人是同一起跑線上的，單純講技術(shù)，不存在誰盜版誰的問題，跟馬化騰模仿OICQ，馬云克隆ebay不同，李彥宏當(dāng)年在搜索引擎上的研究是同時代領(lǐng)先的。但是今天我們用google檢索看很多英文原文檔，顯然效果好于百度百倍。這種差距是怎么產(chǎn)生的？是因為google存在著一只“上帝之手”，在不斷“手動”優(yōu)化著搜索引擎的呈現(xiàn)結(jié)果，這種優(yōu)化效果是超越于搜索引擎技術(shù)本身的。或者說，單純靠搜索引擎技術(shù)本身，其實呈現(xiàn)出來的結(jié)果很多時候也是慘不忍睹的（比如2002年的google搜索結(jié)果）。這只“上帝之手”其實就是google的用戶，用戶點擊行為“手動”協(xié)助了搜索結(jié)果的優(yōu)化，百度因為沒有大量的英文用戶，所以到目前為止，我們看英文信息，在百度上搜索出來的結(jié)果，還是慘不忍睹。

反過來看知識圖譜，現(xiàn)在能不能做到，給出一個知乎的問題，它（技術(shù)本身）就把這個問題的知識圖譜精確呈現(xiàn)出來，顯然，目前這是做不到的。同樣，需要這樣做一只“上帝之手”，需要有一款大量（海量）同步對接進(jìn)來的知識圖譜應(yīng)用，通過用戶“手動”的行為，對知識圖譜呈現(xiàn)的結(jié)果進(jìn)行篩選。持續(xù)的成千上萬上億次的用戶大腦“微運(yùn)算”，進(jìn)行持續(xù)不斷的結(jié)果優(yōu)化。

所以，目前知識圖譜技術(shù)缺乏的是一個“用戶入口”，用戶這只“上帝之手”進(jìn)不來，導(dǎo)致所有的知識圖譜呈現(xiàn)結(jié)果都是慘不忍睹，我覺得技術(shù)的進(jìn)化是工作量積累和時間篩選的結(jié)果，不能跳躍式發(fā)展，機(jī)器和人之間的連接不能直接斷開，不僅僅知識圖譜，就是放大到整個人工智能領(lǐng)域，還是需要“人工”的“上帝之手”參與，阿爾法狗也不是在沒有錄入人類棋譜的前提下進(jìn)行學(xué)習(xí)。

我覺得這是一個比技術(shù)本身更有價值的一個研究點，當(dāng)然它也可以歸入到技術(shù)的范疇之內(nèi)。

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

總結(jié)

以上是生活随笔為你收集整理的请问知识图谱有哪些研究点是可以进行深入研究的？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。