前言

知識圖譜（ Knowledge Graph）以結構化的形式描述客觀世界中概念、實體及其關系，將互聯網的信息表達成更接近人類認知世界的形式，提供了一種更好地組織、管理和理解互聯網海量信息的能力。上述一大段是我從2018知識圖譜發(fā)展報告中copy下來的一段話，用普通人能聽懂的人話來描述:知識圖譜就是把去發(fā)現世間萬物的之間的聯系。 在技術上就是將數據以一個一個的<subject,relation,object>的三元組形式存儲起來。

不知道大家有沒有這樣一種感受，如果你在某一領域的學習了解到很多的知識碎片，卻無法將他們關聯起來，這些知識碎片并不會加深你對這一領域的認知。而如果你能將他們聯系起來，串聯成一張知識網，那很有可能你就是這個領域決定的專家。因為你的腦中有這個領域的知識網，你就能知道這個領域的邊界在哪。知識圖譜就是要將知識串聯起來，形成一張知識網。

知識圖譜的應用場景：

知識圖譜主要分為兩類：
通用知識圖譜和領域知識圖譜。通用知識圖譜主要需要知識的廣度，而領域知識圖譜需要知識具有深度。

• 通用知識圖譜最普遍的應用場景就是：搜索引擎，
• 領域知識圖譜的應用場景則比較豐富多樣：司法，醫(yī)療，金融，電商等各行各業(yè)都可以構建屬于自己行業(yè)的知識圖譜，而這些知識圖譜可以用于智能問答，輔助決策，風險規(guī)避等。

當然以上只是知識圖譜被應用最多的場景，還有一些很有潛力的應用場景，比如將知識圖譜和深度學習結合等。知識圖譜這個新的，年輕的概念還等著大家去探索更多的應用可能性。

知識圖譜的構建簡介

這里筆者就不介紹詳細

總結

以上是生活随笔為你收集整理的tensorflow从入门到精通100讲（五）-知识图谱（ Knowledge Graph）关系抽取之PCNN的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。