正文

圖譜技術(shù)是什么

發(fā)布時(shí)間：2023-04-13 10:50:09 稿源：創(chuàng)意嶺閱讀： 97

大家好！今天讓小編來(lái)大家介紹下關(guān)于圖譜技術(shù)是什么的問題，以下是小編對(duì)此問題的歸納整理，讓我們一起來(lái)看看吧。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，相關(guān)業(yè)務(wù)請(qǐng)撥打電話：175-8598-2043，或添加微信：1454722008

文章目錄列表:

1、構(gòu)建腫瘤知識(shí)圖譜體系，CSCO AI要突破腫瘤的全治療周期
2、知識(shí)圖譜屬于機(jī)器看世界的技術(shù)嗎
3、知識(shí)圖譜技術(shù)能對(duì)企業(yè)或科研院所能起到什么作用
4、基礎(chǔ)知識(shí)-知識(shí)圖譜

圖譜技術(shù)是什么

一、構(gòu)建腫瘤知識(shí)圖譜體系，CSCO AI要突破腫瘤的全治療周期

我國(guó)高質(zhì)量醫(yī)療資源缺乏且分布不均。這對(duì)于每年400多萬(wàn)新增的腫瘤患者而言，意味著大量的患者很難獲得適合他們的醫(yī)療服務(wù)。醫(yī)療資源分布不均，即使在一線城市也要面臨醫(yī)療機(jī)構(gòu)難以提供持續(xù)性的、高標(biāo)準(zhǔn)醫(yī)療服務(wù)的問題——如何解決診療資源的緊缺，以及如何實(shí)現(xiàn)全國(guó)范圍內(nèi)盡可能多的診療規(guī)范化的擴(kuò)展覆蓋？這些都是在診療領(lǐng)域亟待解決的問題。

技術(shù)的發(fā)展為我們提供了解決這一痛點(diǎn)的契機(jī)。隨著人工智能的不斷成熟，行業(yè)正探索通過人工智能技術(shù)讓機(jī)器實(shí)現(xiàn)可復(fù)制化的服務(wù)，讓機(jī)器實(shí)現(xiàn)對(duì)每一個(gè)患者服務(wù)的標(biāo)準(zhǔn)化，且將服務(wù)成本降到足夠低的規(guī)?；姆?wù)能力。這個(gè)共性問題正在逐漸得到解決。

CSCO AI就是這樣一個(gè)解決方案。它是由中國(guó)臨床腫瘤學(xué)會(huì)（CSCO）攜手國(guó)家高新技術(shù)企業(yè)浙江海心智惠科技有限公司（以下簡(jiǎn)稱“海心智惠”）聯(lián)合開發(fā)，結(jié)合CSCO臨床診療指南、專家臨床實(shí)踐經(jīng)驗(yàn)、腫瘤知識(shí)圖譜、高等級(jí)臨床證據(jù)、不良反應(yīng)管理體系等多維度專業(yè)領(lǐng)域知識(shí)，協(xié)助臨床醫(yī)生制定更規(guī)范、更精準(zhǔn)的治療方案。目前，海心智惠已成功建成國(guó)內(nèi)領(lǐng)先的腫瘤智能服務(wù)新平臺(tái)，為患者提供包含診療、康復(fù)的全病程一站式管理服務(wù)。這其中，海心智惠構(gòu)建出的領(lǐng)先行業(yè)的知識(shí)圖譜能力是一切的基石所在。

知識(shí)圖譜是Google在2012年提出來(lái)的一個(gè)知識(shí)網(wǎng)絡(luò)體系概念，簡(jiǎn)單地說就是將散落的信息通過語(yǔ)義關(guān)系連接起來(lái)，轉(zhuǎn)化成可視化的知識(shí)網(wǎng)絡(luò)。知識(shí)圖譜技術(shù)可以對(duì)醫(yī)療數(shù)據(jù)進(jìn)行統(tǒng)一建模、組織和管理，不僅能夠有效地描述、挖掘醫(yī)療知識(shí)間的關(guān)系，而且也為更高層次的醫(yī)學(xué)應(yīng)用比如輔助臨床診療決策、醫(yī)療問答等提供了強(qiáng)有力支撐。

有了知識(shí)圖譜這樣一種知識(shí)表現(xiàn)方式，該如何去利用它，就成了擺在海心智惠面前的一道選擇題。即便是聚焦到醫(yī)學(xué)領(lǐng)域，去建一個(gè)通用醫(yī)學(xué)知識(shí)圖譜，也只能是把一些疾病的知識(shí)、定義梳理整合。“通用醫(yī)學(xué)知識(shí)圖譜在臨床應(yīng)會(huì)有很大的局限性，它只適合去做一些簡(jiǎn)單的科普、導(dǎo)診以及初步判斷，如果要深入到疾病和臨床診斷過程，甚至整個(gè)疾病的管理、跟蹤、隨訪的細(xì)節(jié)里面去，便會(huì)遇到各種各樣的問題：每種疾病自身的差異和整個(gè)臨床治療相關(guān)的知識(shí)體系延展開來(lái)，相互關(guān)聯(lián)又相互影響，使得通用型知識(shí)圖譜體系在藥物選擇、后期康復(fù)等方面都會(huì)遇到困難”，海心智惠創(chuàng)始人李穎赟這樣說道。

因此，海心智惠選擇用“做深做細(xì)”的方式結(jié)合人工智能去構(gòu)建一個(gè)腫瘤治療全病程服務(wù)體系的知識(shí)圖譜，它要將所有和腫瘤相關(guān)的知識(shí)清晰定義出來(lái)，這無(wú)疑是知識(shí)圖譜最完美的應(yīng)用方向。

“我們?cè)谇捌诨藥啄陼r(shí)間把腫瘤從確診開始到腫瘤進(jìn)入治療，再到病人全程管理的知識(shí)定義出來(lái)，這才把一個(gè)比較全面的腫瘤知識(shí)圖譜建立起來(lái)。之所以選擇腫瘤這個(gè)領(lǐng)域，在于這個(gè)疾病的特征是其整個(gè)診療體系相對(duì)其他疾病來(lái)講更加復(fù)雜，持續(xù)治療過程時(shí)間跨度更長(zhǎng)，知識(shí)圖譜在腫瘤治療領(lǐng)域能最大程度發(fā)揮其作用”，對(duì)于為什么選擇將知識(shí)圖譜應(yīng)用于腫瘤賽道，李穎赟這樣解釋。

第二個(gè)原因則是腫瘤的診斷和治療的知識(shí)每年都在不斷更新。隨著科技的發(fā)展，某些疾病已經(jīng)被完全研究透徹，十年前跟十年后的治療策略并沒有本質(zhì)差異。相比之下，人類仍然未能完全了解腫瘤的發(fā)病原理和機(jī)制，其治療是一個(gè)日新月異的發(fā)展過程。放眼全球來(lái)看，醫(yī)療機(jī)構(gòu)對(duì)于腫瘤治療的規(guī)范性程度并不算高。醫(yī)務(wù)人員面臨非常大的挑戰(zhàn)——如何能緊跟國(guó)內(nèi)外的學(xué)術(shù)前沿發(fā)展，并能精準(zhǔn)的掌握最新的臨床研究進(jìn)展和治療方式的擴(kuò)展，準(zhǔn)確地掌握最新的藥物和治療方式，并且運(yùn)用在最適合的患者身上？“如果一個(gè)城市30年都沒有修過新路，那么在這個(gè)城市中生活的人其實(shí)是不需要地圖和導(dǎo)航的——因?yàn)槭裁炊紱]有變。但是，如果這個(gè)城市飛速發(fā)展，‘三年小變樣，五年大變樣’，那即便是從小就在這個(gè)城市中生活的人在出行時(shí)或許也需要導(dǎo)航來(lái)指引”，李穎赟用一個(gè)簡(jiǎn)單的例子來(lái)說明腫瘤治療的日新月異。

抗腫瘤全身治療手段在近十年來(lái)已經(jīng)發(fā)生了翻天覆地的變化。十年前可能會(huì)以化療為主，但今天，臨床已經(jīng)有了更多的選擇：靶向藥治療、免疫治療、再到最新的CAR-T細(xì)胞治療等，不勝枚舉。這也說明了國(guó)內(nèi)一直在努力嘗試建立起更加現(xiàn)代化、規(guī)范化的診療服務(wù)體系，能夠讓腫瘤患者得到最恰當(dāng)、最規(guī)范、最標(biāo)準(zhǔn)和最合適的治療。

輔助決策系統(tǒng)就是幫助醫(yī)生實(shí)規(guī)范化治療的最佳工具。CSCO AI的智能輔助決策系統(tǒng)在患者通過APP上傳各類醫(yī)療診斷資料后，AI自動(dòng)生成診療建議報(bào)告并提交至高級(jí)別專家審核反饋，AI模型又能根據(jù)專家審核結(jié)果持續(xù)得到閉環(huán)訓(xùn)練。在這一套運(yùn)作系統(tǒng)的背后是海心智惠凝聚專家實(shí)力打造的腫瘤領(lǐng)域知識(shí)圖譜與神經(jīng)支持決策算法的結(jié)合。

透過知識(shí)圖譜全面的知識(shí)體系，海心智惠通過CSCO AI除了在智能輔助診療方面實(shí)現(xiàn)治療規(guī)范化和均質(zhì)化外，還實(shí)現(xiàn)了院外患者全程管理，從而多方共贏——醫(yī)院提高治療總生存率，患者提高生存時(shí)間、生存質(zhì)量和治療依從性，制藥企業(yè)也通過數(shù)據(jù)賦能和數(shù)字化平臺(tái)結(jié)合，提高了對(duì)患者的支持能力，實(shí)現(xiàn)精準(zhǔn)診療，精準(zhǔn)康復(fù)支持。同時(shí)，基于全病程管理的臨床新藥服務(wù)體系為患者精準(zhǔn)匹配臨床研究，提供給患者一個(gè)更多的選擇可能性。

以精準(zhǔn)病情為依托，建立面向患者全治療周期的內(nèi)容服務(wù)能力，從用藥心智建立、正向經(jīng)驗(yàn)激勵(lì)、關(guān)鍵節(jié)點(diǎn)的強(qiáng)效服務(wù)等多維度手段實(shí)現(xiàn)高價(jià)值的社群平臺(tái)。這些都是海心智惠服務(wù)的特色。

知識(shí)圖譜是輔助診療決策的基礎(chǔ)，高質(zhì)量的數(shù)據(jù)和專業(yè)的知識(shí)體系又是知識(shí)圖譜的基石，因此如何搭建數(shù)據(jù)層和知識(shí)體系，就成了知識(shí)圖譜質(zhì)量高低的關(guān)鍵。

CSCO AI的知識(shí)圖譜并不是憑空創(chuàng)造的，而是把目前臨床專家們正在運(yùn)用的知識(shí)進(jìn)行有效的計(jì)算機(jī)結(jié)構(gòu)化沉淀以便于再次運(yùn)用。這個(gè)過程中最重要的就是辨別什么是影響臨床決策的知識(shí)依據(jù)。只有先把這個(gè)知識(shí)定義清楚之后，才能針對(duì)這些知識(shí)設(shè)計(jì)對(duì)應(yīng)的模型。

腫瘤治療是一種循證醫(yī)學(xué)，必須有充足的證據(jù)支撐才能夠影響臨床決策行為。然而，腫瘤種類繁多且特異性強(qiáng)——每種腫瘤至少具有3000個(gè)臨床治療決策的高等級(jí)臨床證據(jù)。將這些證據(jù)結(jié)合，才能基本將腫瘤相關(guān)的診療體系和知識(shí)體系構(gòu)建起來(lái)。“什么樣的人群、特征、分子分型、基因位點(diǎn)、在什么情況下接受什么樣治療，能夠獲得更好的療效，這是第一層面基礎(chǔ)”，李穎赟說道。

在建立第一層面基礎(chǔ)后，接下來(lái)就需要考慮臨床治療方案與患者體質(zhì)的契合度，比如，患者身體是否能夠承受，其基礎(chǔ)疾病和既有并發(fā)癥是否會(huì)對(duì)治療選擇產(chǎn)生影響。這是第二層面表現(xiàn)，即臨床運(yùn)用中擴(kuò)大的知識(shí)體系。

在這個(gè)過程中，海心智惠CSCO AI是以病情的整個(gè)治療知識(shí)為核心構(gòu)建單個(gè)腫瘤最底層的核心知識(shí)體系，然后在臨床應(yīng)用中進(jìn)一步擴(kuò)展知識(shí)體系的建設(shè)。這樣既能保證有核心證據(jù)的專業(yè)度，又能顯現(xiàn)臨床運(yùn)用過程中醫(yī)療的專業(yè)度。

鮮為人知的是，“溝通”是知識(shí)圖譜搭建過程中的最大難點(diǎn)。知識(shí)圖譜想要從大數(shù)據(jù)里邊提煉知識(shí)和關(guān)系，需要有不同專業(yè)的人員協(xié)調(diào)配合。因此，將知識(shí)圖譜技術(shù)運(yùn)用在特定的業(yè)務(wù)領(lǐng)域里其實(shí)就是一種跨界行為。其難點(diǎn)在于到底由誰(shuí)來(lái)把跨界的知識(shí)融合在一起，這是第一個(gè)難點(diǎn)。這意味著，腫瘤知識(shí)圖譜的構(gòu)建者需要掌握工程算法并了解腫瘤的所有術(shù)語(yǔ)定義及基礎(chǔ)醫(yī)學(xué)知識(shí)。“如何把知識(shí)圖譜這項(xiàng)技術(shù)運(yùn)用到一個(gè)新的業(yè)務(wù)領(lǐng)域里去，會(huì)有一個(gè)天然的障礙，叫知識(shí)壁壘。掌握知識(shí)圖譜技術(shù)的人是理工科系的，掌握醫(yī)學(xué)知識(shí)的則是醫(yī)學(xué)系的，兩者都有各自的思維定式，很難進(jìn)行專業(yè)的學(xué)科對(duì)話”李穎赟對(duì)此表示。

第二道壁壘則是對(duì)于專業(yè)知識(shí)的理解和梳理。李穎赟認(rèn)為，只有對(duì)知識(shí)進(jìn)行體系化的梳理后才能進(jìn)行知識(shí)圖譜的初步搭建。之后，在這個(gè)圖譜之上進(jìn)行業(yè)務(wù)建模；在業(yè)務(wù)應(yīng)用時(shí)又有新的專業(yè)的臨床知識(shí)輸入。計(jì)算機(jī)如何去運(yùn)用這些新知識(shí)，如何將新知識(shí)放在一個(gè)具體的患者案例身上進(jìn)行有效地推理和決策則是第三道壁壘。

因此，醫(yī)療知識(shí)圖譜的搭建最大的難點(diǎn)在于跨學(xué)科融合，融合的難點(diǎn)則在于整個(gè)過程對(duì)兩個(gè)學(xué)科的要求都比較高。這也正是海心智惠的優(yōu)勢(shì)所在——其為中國(guó)臨床腫瘤學(xué)會(huì)CSCO的人工智能戰(zhàn)略合作伙伴。在學(xué)會(huì)的推動(dòng)和幫助下，國(guó)內(nèi)的頭部腫瘤專家們基于對(duì)于社會(huì) 責(zé)任的高度認(rèn)知，花了大量時(shí)間和精力幫助海心智惠的技術(shù)人員理解臨床路徑并厘清體系脈絡(luò)。CSCO AI是第一個(gè)基于中國(guó)的診療指南和診療實(shí)踐開發(fā)出的智能輔助決策產(chǎn)品，是從中國(guó)的國(guó)情出發(fā)的具有中國(guó)特色基礎(chǔ)的，也因此更契合中國(guó)的診療應(yīng)用場(chǎng)景。CSCO AI才能在全國(guó)數(shù)十個(gè)省份數(shù)百家醫(yī)院落地，數(shù)萬(wàn)名患者因此獲益。

不僅如此，CSCO AI在多場(chǎng)景的應(yīng)用也能實(shí)現(xiàn)其更高的臨床價(jià)值。比如上下級(jí)醫(yī)院的互聯(lián)互通——患者通過APP線上咨詢，醫(yī)生通過使用CSCO AI作為上下級(jí)醫(yī)院的聯(lián)動(dòng)的工具，帶動(dòng)不同層級(jí)醫(yī)院的規(guī)范化診療。

CSCO AI也可以是科研工具，通過真實(shí)病例開展臨床研究，從多個(gè)角度探索智能決策系統(tǒng)對(duì)患者治療和臨床應(yīng)用的幫助。此外，CSCO AI提供的治療方案建議遵循循證醫(yī)學(xué)，可以作為科室、醫(yī)院、醫(yī)聯(lián)體、政府等規(guī)范化治療的質(zhì)量控制工具，提高區(qū)域規(guī)范化治療的綜合水平。教學(xué)醫(yī)院還可以將CSCO AI作為住院醫(yī)生的病例分析學(xué)習(xí)和考核工具。作為腫瘤患者的治療決策參考及管理工具，CSCO AI也可以同時(shí)在MDT討論、醫(yī)生學(xué)習(xí)、查房、病例討論等多場(chǎng)景結(jié)合應(yīng)用，從而提升整體臨床效果。

海心智惠的腫瘤知識(shí)圖譜的底層雖然很復(fù)雜，但在易用性上卻有很好的表現(xiàn)。對(duì)于患者來(lái)說，只需要按照平臺(tái)給予的提示步驟進(jìn)行操作即可，完全沒有上手難度。對(duì)于醫(yī)生來(lái)說，海心智惠這套人工智能驅(qū)動(dòng)的全病程管理系統(tǒng)在患者長(zhǎng)期治療管理過程中，實(shí)現(xiàn)了系統(tǒng)跟蹤能力、監(jiān)測(cè)能力、隨訪能力和數(shù)據(jù)管理能力，最終達(dá)到在醫(yī)生、護(hù)士和患者之間的效率平衡。

這套依托于知識(shí)圖譜的個(gè)案管理服務(wù)的另一亮點(diǎn)在于引入個(gè)案管理師角色，在醫(yī)生和患者之間搭起溝通橋梁。個(gè)案管理師既能協(xié)助科室完成日?；颊吖芾砉ぷ鳎帜芨櫠酱倩颊咄瓿芍委熂翱祻?fù)等相關(guān)事項(xiàng)，還能監(jiān)測(cè)并協(xié)助醫(yī)生介入院外不良事件的處理。有了個(gè)案管理師的跟進(jìn)，對(duì)患者的診療管理也從院內(nèi)延伸到了院外，將診療行為連續(xù)化。

對(duì)此李穎赟認(rèn)為：“腫瘤診療這個(gè)領(lǐng)域未來(lái)一定會(huì)進(jìn)入到一個(gè)以患者服務(wù)為中心的時(shí)代。通過人工智能的幫助，多方角色高效率協(xié)同幫助患者完成整個(gè)治療管理服務(wù)。當(dāng)然，這個(gè)體系目前沒辦法一蹴而就，還需要在實(shí)際使用中不斷進(jìn)化?！?/p>

雖然構(gòu)建了底層如此復(fù)雜的知識(shí)圖譜，但對(duì)于知識(shí)圖譜以及輔助診療系統(tǒng)的能力邊界，海心智惠是有清醒認(rèn)知的。目前，無(wú)論是在病理、醫(yī)學(xué)影像、診療等領(lǐng)域基于AI技術(shù)進(jìn)行的模型構(gòu)建、定量分析、特征關(guān)聯(lián)、決策建議、療效預(yù)測(cè)等方面的嘗試，都只是幫助醫(yī)生提高診療效率、準(zhǔn)確率以及預(yù)測(cè)療效的能力，賦能醫(yī)療行為，并不會(huì)干涉到醫(yī)生的判斷決策權(quán)。

技術(shù)之于醫(yī)療，需要常懷敬畏之心。

二、知識(shí)圖譜屬于機(jī)器看世界的技術(shù)嗎

根據(jù)相關(guān)信息了解得知，知識(shí)圖譜屬于機(jī)器看世界的技術(shù)。

三、知識(shí)圖譜技術(shù)能對(duì)企業(yè)或科研院所能起到什么作用

僅供參考知識(shí)圖種知識(shí)（既包括顯性、編碼知識(shí)包括隱性知識(shí)）導(dǎo)航系統(tǒng)并顯示同知識(shí)存儲(chǔ)間重要態(tài)聯(lián)系知識(shí)管理系統(tǒng)輸模塊輸內(nèi)容包括知識(shí)源整合知識(shí)內(nèi)容知識(shí)流知識(shí)匯聚作用協(xié)助組織機(jī)構(gòu)發(fā)掘其智力資產(chǎn)價(jià)值所權(quán)位置使用；使組織機(jī)構(gòu)內(nèi)各種專家技能轉(zhuǎn)化顯性知識(shí)并進(jìn)內(nèi)化組織知識(shí)資源；鑒定并排除知識(shí)流限制素；發(fā)揮機(jī)構(gòu)現(xiàn)知識(shí)資產(chǎn)杠桿作用知識(shí)圖譜稱科知識(shí)圖譜通應(yīng)用數(shù)、圖形、信息視化技術(shù)、信息科等科理論與與計(jì)量引文析、共現(xiàn)析等結(jié)合并利用視化圖譜形象展示科核結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域及整體知識(shí)架構(gòu)達(dá)科融合目現(xiàn)中國(guó)論科研究提供切實(shí)、價(jià)值參考知識(shí)圖譜(Mapping Knowledge Domain）稱科知識(shí)圖譜圖書情報(bào)界稱知識(shí)域視化或知識(shí)領(lǐng)域映射圖顯示知識(shí)發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系系列各種同圖形用視化技術(shù)描述知識(shí)資源及其載體挖掘、析、構(gòu)建、繪制顯示知識(shí)及間相互聯(lián)系具體說知識(shí)圖譜通應(yīng)用數(shù)、圖形、信息視化技術(shù)、信息科等科理論與與計(jì)量引文析、共現(xiàn)析等結(jié)合并利用視化圖譜形象展示科核結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域及整體知識(shí)架構(gòu)達(dá)科融合目現(xiàn)中國(guó)論復(fù)雜知識(shí)領(lǐng)域通數(shù)據(jù)挖掘、信息處理、知識(shí)計(jì)量圖形繪制顯示揭示知識(shí)領(lǐng)域態(tài)發(fā)展規(guī)律科研究提供切實(shí)、價(jià)值參考迄今止其實(shí)際應(yīng)用發(fā)達(dá)家已經(jīng)逐步拓展并取較效我仍屬研究起步階段

四、基礎(chǔ)知識(shí)-知識(shí)圖譜

知識(shí)圖譜的構(gòu)建形式：

自頂向下：先為知識(shí)圖譜定義好本體與數(shù)據(jù)模式，再將實(shí)體加入到知識(shí)庫(kù)。

自底向上（常用） ：從一些開放鏈接數(shù)據(jù)中提取出實(shí)體，選擇其中置信度較高的加入到知識(shí)庫(kù)，再構(gòu)建頂層的本體模式。

（1）語(yǔ)義信息抽?。? （2）多元數(shù)據(jù)集成與驗(yàn)證（知識(shí)融合）；（3）知識(shí)圖譜補(bǔ)全

知識(shí)庫(kù)分類：

開放鏈接知識(shí)庫(kù)：Freebase、Wikidata、DBpedia、YAGO。包含大量半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)。

垂直行業(yè)知識(shí)庫(kù)（特定領(lǐng)域）：IMDB（影視）、MusicBrainz（音樂）、ConceptNet（概念）等。

基于規(guī)則與詞典的方法（為目標(biāo)實(shí)體編寫模板，然后進(jìn)行匹配）：編寫大量規(guī)則或模板，覆蓋領(lǐng)域有限，難以適應(yīng)新需求

基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法（機(jī)器學(xué)習(xí)，訓(xùn)練模型，識(shí)別實(shí)體）：監(jiān)督學(xué)習(xí)算法受訓(xùn)練集限制，準(zhǔn)確率和召回率不夠理想

（ 召回率：真陽(yáng)性 / 真陽(yáng)性 + 假陽(yáng)性；準(zhǔn)確率：真陽(yáng)性 + 真陰性 / 真陽(yáng)性 + 假陽(yáng)性 + 真陰性 + 假陰性 ）

面向開放域的抽取方法（面向海量的Web語(yǔ)料）：通過少量實(shí)體實(shí)例建立特征模型，再通過它應(yīng)用于新的數(shù)據(jù)集，給新實(shí)體做分類與聚類。（迭代擴(kuò)展）

早期：人工構(gòu)造語(yǔ)義規(guī)則以及模板的方式；

實(shí)體間的關(guān)系模型代替了早期的人工構(gòu)造；

面向開放域的信息抽取框架（OIE）：對(duì)隱含關(guān)系抽取性能低下。

（ 隱含關(guān)系抽?。夯隈R爾科夫邏輯網(wǎng)、基于本體推理的深層隱含關(guān)系抽取方法 ）

可以將實(shí)體屬性的抽取問題轉(zhuǎn)換為關(guān)系抽取問題

分布式表示 目的在于用 一個(gè)綜合的向量來(lái)表示實(shí)體對(duì)象的語(yǔ)義信息 ，這種形式在知識(shí)圖譜的計(jì)算、 補(bǔ)全 、推理等方面起到重要的作用：

1、語(yǔ)義相似度計(jì)算：實(shí)體間的語(yǔ)義關(guān)聯(lián)程度，為自然語(yǔ)言處理（NLP）等提供了極大的便利

2、

消除異構(gòu)數(shù)據(jù)中實(shí)體沖突、指向不明等不一致性問題。

（1）待對(duì)齊數(shù)據(jù)分區(qū)索引；

（2）利用相似度函數(shù)或相似性算法查找匹配實(shí)例；

（3）對(duì)齊算法（成對(duì)實(shí)體對(duì)齊、全局（局部）集合實(shí)體對(duì)齊）進(jìn)行實(shí)例融合。

經(jīng)過實(shí)體對(duì)齊后得到一系列的基本事實(shí)表達(dá)，然后事實(shí)并不等于知識(shí)，它只是知識(shí)的基本單位。

本體相當(dāng)于知識(shí)庫(kù)的模具，使其具有較強(qiáng)的層次結(jié)構(gòu)和較小的冗余程度。

可分為人工構(gòu)建和數(shù)據(jù)驅(qū)動(dòng)自動(dòng)構(gòu)建。

數(shù)據(jù)驅(qū)動(dòng)的本體自動(dòng)構(gòu)建：

①縱向概念間的并列關(guān)系計(jì)算：計(jì)算兩個(gè)實(shí)體間并列關(guān)系的相似度，辨析他們?cè)谡Z(yǔ)義層面是否屬于同一個(gè)概念。

②實(shí)體上下位關(guān)系抽取。

③本體生成：對(duì)各層次得到的概念進(jìn)行聚類，并為每一類的實(shí)體指定1個(gè)或多個(gè)公共上位詞。

通常是與實(shí)體對(duì)齊任務(wù)一起進(jìn)行：對(duì)知識(shí)可信度進(jìn)行量化，保留置信度較高的，舍棄置信度較低的。

主要包括模式層的更新與數(shù)據(jù)層的更新。

一階謂詞邏輯、描述邏輯以及規(guī)則等

（1）一階謂詞邏輯：以命題為基本，命題包含個(gè)體（實(shí)體）和謂詞（屬性或關(guān)系）。

（2）基于描述邏輯的規(guī)則推理：在（1）的基礎(chǔ)上發(fā)展而來(lái)，目的是在知識(shí)表示能力與推理復(fù)雜度之間追求一種平衡。

（3）通過本體的概念層次推理。

一些算法主要是 利用了關(guān)系路徑 中的蘊(yùn)涵信息：

通過圖中兩個(gè)實(shí)體間的多步路徑來(lái)預(yù)測(cè)它們之間的語(yǔ)義關(guān)系，即從源節(jié)點(diǎn)開始，在圖上根據(jù)路徑建模算法進(jìn)行游走，如果能夠到達(dá)目標(biāo)節(jié)點(diǎn)，則推測(cè)源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)間存在聯(lián)系。

（ 關(guān)系路徑的建模研究仍處于初期階段，需要進(jìn)一步探索完成 ）

參考文獻(xiàn)：

[1]徐增林,盛泳潘,賀麗榮,王雅芳.知識(shí)圖譜技術(shù)綜述[J].電子科技大學(xué)學(xué)報(bào),2016,45(04):589-606.

以上就是小編對(duì)于圖譜技術(shù)是什么問題和相關(guān)問題的解答了，如有疑問，可撥打網(wǎng)站上的電話，或添加微信。