国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

最全知識(shí)圖譜綜述#2: 構(gòu)建技術(shù)與典型應(yīng)用

duan199226 / 1412人閱讀

摘要:知識(shí)圖譜開源庫或簡稱是一個(gè)用于構(gòu)建語義和關(guān)聯(lián)數(shù)據(jù)應(yīng)用程序的自由和開源的框架。垂直行業(yè)應(yīng)用下面將以金融醫(yī)療電商行業(yè)為例,說明知識(shí)圖譜在上述行業(yè)中的典型應(yīng)用。

知識(shí)圖譜構(gòu)建的關(guān)鍵技術(shù)

1 知識(shí)提取

2 知識(shí)表示

3 知識(shí)融合

4 知識(shí)推理

知識(shí)推理則是在已有的知識(shí)庫基礎(chǔ)上進(jìn)一步挖掘隱含的知識(shí),從而豐富、擴(kuò)展知識(shí)庫。在推理的過程中,往往需要關(guān)聯(lián)規(guī)則的支持。由于實(shí)體、實(shí)體屬性以及關(guān)系的多樣性,人們很難窮舉所有的推理規(guī)則,一些較為復(fù)雜的推理規(guī)則往往是手動(dòng)總結(jié)的。對(duì)于推理規(guī)則的挖掘,主要還是依賴于實(shí)體以及關(guān)系間的豐富同現(xiàn)情況。知識(shí)推理的對(duì)象可以是實(shí)體、實(shí)體的屬性、實(shí)體間的關(guān)系、本體庫中概念的層次結(jié)構(gòu)等。知識(shí)推理方法主要可分為基于邏輯的推理與基于圖的推理兩種類別。

1) 基于邏輯的推理

基于邏輯的推理基于邏輯的推理方式主要包括一階謂詞邏輯(first order logic)、描述邏輯(description logic)以及規(guī)則等。一階謂詞邏輯推理是以命題為基本進(jìn)行推理,而命題又包含個(gè)體和謂詞。邏輯中的個(gè)體對(duì)應(yīng)知識(shí)庫中的實(shí)體對(duì)象,具有客觀獨(dú)立性,可以是具體一個(gè)或泛指一類,例如奧巴馬、選民等;謂詞則描述了個(gè)體的性質(zhì)或個(gè)體間的關(guān)系。文獻(xiàn)[1]針對(duì)已有一階謂詞邏輯推理方法中存在的推理效率低下等問題,提出了一種基于謂詞變遷系統(tǒng)的圖形推理法,定義了描述謂詞間與/或關(guān)系的謂詞,通過謂詞圖表示變遷系統(tǒng),實(shí)現(xiàn)了反向的推理目標(biāo)。實(shí)驗(yàn)結(jié)果表明:該方法推理效率較高,性能優(yōu)越。描述邏輯是在命題邏輯與一階謂詞邏輯上發(fā)展而來,目的是在表示能力與推理復(fù)雜度之間追求一種平衡。基于描述邏輯的知識(shí)庫主要包括Tbox(terminology box)與ABox(assertion box)[2]。通過TBox與ABox,可將關(guān)于知識(shí)庫中復(fù)雜的實(shí)體關(guān)系推理轉(zhuǎn)化為一致性的檢驗(yàn)問題,從而簡化并實(shí)現(xiàn)推理[3]。?

通過本體的概念層次進(jìn)行推理時(shí),其中概念主要是通過OWL(Web ontology language)本體語義進(jìn)行描述的。OWL文檔可以表示為一個(gè)具有樹形結(jié)構(gòu)的狀態(tài)空間,這樣一些對(duì)接結(jié)點(diǎn)的推理算法就能夠較好地應(yīng)用起來,例如文獻(xiàn)[4]提出了基于RDF和PD*語義的正向推理算法,該算法以RDF蘊(yùn)涵規(guī)則為前提,結(jié)合了sesame算法以及PD*的語義,是一個(gè)典型的迭代算法,它主要考慮結(jié)點(diǎn)與推理規(guī)則的前提是否有匹配,由于該算法的觸發(fā)條件導(dǎo)致推理的時(shí)間復(fù)雜度較高,文獻(xiàn)[5]提出了ORBO算法,該算法從結(jié)點(diǎn)出發(fā)考慮,判斷推理規(guī)則中第一條推理關(guān)系的前提是否滿足,不僅節(jié)約了時(shí)間,還降低了算法的時(shí)間復(fù)雜度。

2)基于圖的推理

在基于圖的推理方法中,文獻(xiàn)[6]提出的pathconstraintrandom walk,path ranking等算法較為典型,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)體間的多步路徑來預(yù)測(cè)它們之間的語義關(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)系路徑的建模方法研究工作尚處于初期,其中在關(guān)系路徑的可靠性計(jì)算、關(guān)系路徑的語義組合操作等方面,仍有很多工作需進(jìn)一步探索并完成。?

除上述兩種類別的知識(shí)推理方法外,部分研究人員將研究重點(diǎn)轉(zhuǎn)向跨知識(shí)庫的推理方法研究,例如文獻(xiàn)[7]提出的基于組合描述邏輯的Tableau算法,該方法主要利用概念間的相似性對(duì)不同知識(shí)庫。

知識(shí)圖譜開源庫

Apache Jena(或簡稱Jena)是一個(gè)用于構(gòu)建語義Web和關(guān)聯(lián)數(shù)據(jù)應(yīng)用程序的自由和開源的Java框架。 該框架由不同的API組成,用于處理RDF數(shù)據(jù)。

Jena是一個(gè)用于Java語義Web應(yīng)用程序的API(應(yīng)用程序編程接口)。它不是一個(gè)程序或工具,如果這是你正在尋找,我建議或許TopBraid Composer作為一個(gè)好的選擇。因此,Jena的主要用途是幫助您編寫處理RDF和OWL文檔和描述的Java代碼。

更多詳細(xì)內(nèi)容參見官網(wǎng)Apache Jena, 具體應(yīng)用后續(xù)參考

知識(shí)圖譜構(gòu)建的典型應(yīng)用

知識(shí)圖譜為互聯(lián)網(wǎng)上海量、異構(gòu)、動(dòng)態(tài)的大數(shù)據(jù)表達(dá)、組織、管理以及利用提供了一種更為有效的方式,使得網(wǎng)絡(luò)的智能化水平更高,更加接近于人類的認(rèn)知思維。目前,知識(shí)圖譜已在智能搜索、深度問答、社交網(wǎng)絡(luò)以及一些垂直行業(yè)中有所應(yīng)用,成為支撐這些應(yīng)用發(fā)展的動(dòng)力源泉。

1、智能搜索

基于知識(shí)圖譜的智能搜索是一種基于長尾的搜索,搜索引擎以知識(shí)卡片的形式將搜索結(jié)果展現(xiàn)出來。用戶的查詢請(qǐng)求將經(jīng)過查詢式語義理解與知識(shí)檢索兩個(gè)階段:1) 查詢式語義理解。知識(shí)圖譜對(duì)查詢式的語義分析主要包括:① 對(duì)查詢請(qǐng)求文本進(jìn)行分詞、詞性標(biāo)注以及糾錯(cuò);② 描述歸一化,使其與知識(shí)庫中的相關(guān)知識(shí)進(jìn)行匹配[8];③ 語境分析。在不同的語境下,用戶查詢式中的對(duì)象會(huì)有所差別,因此知識(shí)圖譜需要結(jié)合用戶當(dāng)時(shí)的情感,將用戶此時(shí)需要的答案及時(shí)反饋給用戶;④ 查詢擴(kuò)展。明確了用戶的查詢意圖以及相關(guān)概念后,需要加入當(dāng)前語境下的相關(guān)概念進(jìn)行擴(kuò)展。2) 知識(shí)檢索。經(jīng)過查詢式分析后的標(biāo)準(zhǔn)查詢語句進(jìn)入知識(shí)庫檢索引擎,引擎會(huì)在知識(shí)庫中檢索相應(yīng)的實(shí)體以及與其在類別、關(guān)系、相關(guān)性等方面匹配度較高的實(shí)體[9]。通過對(duì)知識(shí)庫的深層挖掘與提煉后,引擎將給出具有重要性排序的完整知識(shí)體系。?

智能搜索引擎主要以3種形式展現(xiàn)知識(shí):1) 集成的語義數(shù)據(jù)。例如當(dāng)用戶搜索梵高,搜索引擎將以知識(shí)卡片的形式給出梵高的詳細(xì)生平,并配合以圖片等信息;2) 直接給出用戶查詢問題的答案。例如當(dāng)用戶搜索“姚明的身高是多少?”,搜索引擎的結(jié)果是“226 cm”;3) 根據(jù)用戶的查詢給出推薦列表[7]等。?

國外的搜索引擎以谷歌的Google Search、微軟的Bing Search[10]更為典型。谷歌的知識(shí)圖譜相繼融入了維基百科、CIA世界概覽等公共資源以及從其他網(wǎng)站搜集、整理的大量語義數(shù)據(jù)[11],微軟的BingSearch[10]和Facebook[11]、Twitter[12]等大型社交服務(wù)站點(diǎn)達(dá)成了合作協(xié)議,在用戶個(gè)性化內(nèi)容的搜集、定制化方面具有顯著的優(yōu)勢(shì)。?

國內(nèi)的主流搜索引擎公司,如百度、搜狗等在近兩年來相繼將知識(shí)圖譜的相關(guān)研究從概念轉(zhuǎn)向產(chǎn)品應(yīng)用。搜狗的知立方[13]是國內(nèi)搜索引擎行業(yè)的第一款知識(shí)圖譜產(chǎn)品,它通過整合互聯(lián)網(wǎng)上的碎片化語義信息,對(duì)用戶的搜索進(jìn)行邏輯推薦與計(jì)算,并將最核心的知識(shí)反饋給用戶。百度將知識(shí)圖譜命名為知心[14],主要致力于構(gòu)建一個(gè)龐大的通用型知識(shí)網(wǎng)絡(luò),以圖文并茂的形式展現(xiàn)知識(shí)的方方面面。

2、深度問答

問答系統(tǒng)是信息檢索系統(tǒng)的一種高級(jí)形式,能夠以準(zhǔn)確簡潔的自然語言為用戶提供問題的解答。之所以說問答是一種高級(jí)形式的檢索,是因?yàn)樵趩柎鹣到y(tǒng)中同樣有查詢式理解與知識(shí)檢索這兩個(gè)重要的過程,并且與智能搜索中相應(yīng)過程中的相關(guān)細(xì)節(jié)是完全一致的。多數(shù)問答系統(tǒng)更傾向于將給定的問題分解為多個(gè)小的問題,然后逐一去知識(shí)庫中抽取匹配的答案,并自動(dòng)檢測(cè)其在時(shí)間與空間上的吻合度等,最后將答案進(jìn)行合并,以直觀的方式展現(xiàn)給用戶。

目前,很多問答平臺(tái)都引入了知識(shí)圖譜,例如華盛頓大學(xué)的Paralex系統(tǒng)[15]和蘋果的智能語音助手Siri[16],都能夠?yàn)橛脩籼峁┗卮稹⒔榻B等服務(wù);亞馬遜收購的自然語言助手Evi[17],它授權(quán)了Nuance的語音識(shí)別技術(shù),采用True Knowledge引擎進(jìn)行開發(fā),也可提供類似Siri的服務(wù)。國內(nèi)百度公司研發(fā)的小度機(jī)器人[18],天津聚問網(wǎng)絡(luò)技術(shù)服務(wù)中心開發(fā)的大型在線問答系統(tǒng)OASK[19],專門為門戶、企業(yè)、媒體、教育等各類網(wǎng)站提供良好的交互式問答解決方案。

3、社交網(wǎng)絡(luò)

社交網(wǎng) 站 Facebook 于2013 年推出了GraphSearch[20]產(chǎn)品,其核心技術(shù)就是通過知識(shí)圖譜將人、地點(diǎn)、事情等聯(lián)系在一起,并以直觀的方式支持較精確的自然語言查詢,例如輸入查詢式:“我朋友喜歡的餐廳”“住在紐約并且喜歡籃球和中國電影的朋友”等,知識(shí)圖譜會(huì)幫助用戶在龐大的社交網(wǎng)絡(luò)中找到與自己最具相關(guān)性的人、照片、地點(diǎn)和興趣等。Graph Search提供的上述服務(wù)貼近個(gè)人的生活,滿足了用戶發(fā)現(xiàn)知識(shí)以及尋找最具相關(guān)性的人的需求。

垂直行業(yè)應(yīng)用

下面將以金融、醫(yī)療、電商行業(yè)為例,說明知識(shí)圖譜在上述行業(yè)中的典型應(yīng)用。

1、金融行業(yè)

在金融行業(yè)中,反欺詐是一個(gè)重要的環(huán)節(jié)。它的難點(diǎn)在于如何將不同稅務(wù)子系統(tǒng)中的數(shù)據(jù)整合在一起。通過知識(shí)圖譜,一方面有利于組織相關(guān)的知識(shí)碎片,通過深入的語義分析與推理,可對(duì)信息內(nèi)容的一致性充分驗(yàn)證,從而識(shí)別或提前發(fā)現(xiàn)欺詐行為;另一方面,知識(shí)圖譜本身就是一種基于圖結(jié)構(gòu)的關(guān)系網(wǎng)絡(luò),基于這種圖結(jié)構(gòu)能夠幫助人們更有效地分析復(fù)雜稅務(wù)關(guān)系中存在的潛在風(fēng)險(xiǎn)[21]。在精準(zhǔn)營銷方面,知識(shí)圖譜可通過鏈接的多個(gè)數(shù)據(jù)源,形成對(duì)用戶或用戶群體的完整知識(shí)體系描述,從而更好地去認(rèn)識(shí)、理解、分析用戶或用戶群體的行為。例如,金融公司的市場(chǎng)經(jīng)理用知識(shí)圖譜去分析待銷售用戶群體之間的關(guān)系,去發(fā)現(xiàn)他們的共同愛好,從而更有針對(duì)性地對(duì)這類用戶人群制定營銷策略[21]。

2、醫(yī)療行業(yè)

耶魯大學(xué)擁有全球較大的神經(jīng)科學(xué)數(shù)據(jù)庫Senselab[22],然而,腦科學(xué)研究還需要綜合從微觀分子層面一直到宏觀行為層面的各個(gè)層次的知識(shí)。因此,耶魯大學(xué)的腦計(jì)劃研究人員將不同層次的,與腦研究相關(guān)的數(shù)據(jù)進(jìn)行檢索、比較、分析、整合、建模、仿真,繪制出了描述腦結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)圖譜,從而解決了當(dāng)前神經(jīng)科學(xué)所面臨的海量數(shù)據(jù)問題,從微觀基因到宏觀行為,從多個(gè)層次上加深了人類對(duì)大腦的理解,達(dá)到了“認(rèn)識(shí)大腦、保護(hù)大腦、創(chuàng)造大腦”的目標(biāo)。

3、電商行業(yè)

電商網(wǎng)站的主要目的之一就是通過對(duì)商品的文字描述、圖片展示、相關(guān)信息羅列等可視化的知識(shí)展現(xiàn),為消費(fèi)者提供最滿意的購物服務(wù)與體驗(yàn)。通過知識(shí)圖譜,可以提升電商平臺(tái)的技術(shù)性、易用性、交互性等影響用戶體驗(yàn)的因素[23]。?

阿里巴巴是應(yīng)用知識(shí)圖譜的代表電商網(wǎng)站之一,它旗下的一淘網(wǎng)不僅包含了淘寶數(shù)億的商品,更建立了商品間關(guān)聯(lián)的信息以及從互聯(lián)網(wǎng)抽取的相關(guān)信息,通過整合所有信息,形成了阿里巴巴知識(shí)庫和產(chǎn)品庫,構(gòu)建了它自身的知識(shí)圖譜[24]。當(dāng)用戶輸入關(guān)鍵詞查看商品時(shí),知識(shí)圖譜會(huì)為用戶提供此次購物方面最相關(guān)的信息,包括整合后分類羅列的商品結(jié)果、使用建議、搭配等[24]。?

除此之外,另外一些垂直行業(yè)也需要引入知識(shí)圖譜,如教育科研行業(yè)、圖書館、證券業(yè)、生物醫(yī)療以及需要進(jìn)行大數(shù)據(jù)分析的一些行業(yè)[25]。這些行業(yè)對(duì)整合性和關(guān)聯(lián)性的資源需求迫切,知識(shí)圖譜可以為其提供更加較精確規(guī)范的行業(yè)數(shù)據(jù)以及豐富的表達(dá),幫助用戶更加便捷地獲取行業(yè)知識(shí).

4、司法行業(yè)

知識(shí)圖譜在司法領(lǐng)域的運(yùn)用悄然興起,它幫助從業(yè)人員快速地在線檢索相關(guān)的法務(wù)內(nèi)容,從而提高法院審判工作質(zhì)量和效率[26]。

參考文獻(xiàn)

描述邏輯. 描述邏輯基礎(chǔ)知識(shí)[EB/OL]. (2014-02-24). http://www.2cto.com/database/201402/280927.html

LEE T W, LEWICKI M S, GIROLAMI M, et al. Blind source separation of more sources than mixtures using overcomplete representation[J]. Signal Processing Letters, 1999, 6(4): 87-90.

Ian Dickinson. Imp Iementation experience with the DIG 1.1specification[EB/OL]. (2004-05-10). http://www.hpl.hp. com/semweb/publications.html.

龔資. 基于OWL描述的本體推理研究[D]. 長春: 吉林大學(xué), 2007.

LIU Shao-yuan, HSU K H, KUO Li-jing. A semantic service match approach based on wordnet and SWRL rules[C]//Proc of the 10th IEEE Int Conf on E-Business Engineering. Piscataway, NJ: IEEE, 2013: 419-422.

LAO N, MITCHELL T, COHEN W W. Random walk inference and learning in a large scale knowledge base[C]//Proc of EMNLP. Stroudsburg, PA: ACL, 2011:529-539.

蔣勛, 徐緒堪. 面向知識(shí)服務(wù)的知識(shí)庫邏輯結(jié)構(gòu)模型[J].圖書與情報(bào), 2013(6): 23-31.

王志, 夏士雄, 牛強(qiáng). 本體知識(shí)庫的自然語言查詢重寫研究[J]. 微電子學(xué)與計(jì)算機(jī), 2009, 26(8): 137-139.

BLANCO R, CAMBAZOGLU B B, MIKE P, et al. Entity recommendation in web search[C]//Pro of the 12th International Semantic Web ?conference(ISWC). Berlin: Springer-Verlag, 2013: 33-48.

BRACHMAN R J. What IS-A is and isn"t: an analysis of taxonomic links in semantic networks[J]. Computer; (United States), 1983, 10(1): 5-13.

Facebook. Facebook[EB/OL]. [2014-02-04]. https://www.facebook.com/.

Twitter. Twitter[EB/OL]. [2016-05-08]. https://twitter.com/.

百度百科.搜狗知立方[EB/OL]. [2016-05-07]. http://baike.baidu.com/link?url=_J_2r2xYz0qSTwlYxqPZ00ZZuYyiA_kkZAohtC5EhmIzOjSwywKheEThY2gdXdzxS

Baidu. Zhi xin[EB/OL]. [2016-06-08].

Fader. Paralex[EB/OL]. [2016-05-08]. http://knowitall.cs.washington.edu/paralex.

百度百科. Siri[EB/OL]. [2016-05-02]. http://baike.baidu.com/subview/6573497/7996501.htm.

百度百科. Evi[EB/OL]. [2016-03-18]. http://baike.baidu.com/view/7574050.htm.

百度. 度秘[EB/OL]. (2015-09-13). http://xiaodu.baidu.com/.

百度百科. OASK 問答系統(tǒng)[EB/OL]. [2016-03-27]. http:// baike.baidu.com/view/8206827.htm.

百度百科. Graph search[EB/OL]. [2016-01-22]. http://baike.baidu.com/view/9966007.htm.

李文哲. 互聯(lián)網(wǎng)金融, 如何用知識(shí)圖譜識(shí)別欺詐行為[EB/OL].

Senselab. Center for medical informatics at yale university school of medicine yale university school of medicine [EB/OL]. [2016-01-08]. http://ycmi.med.yale.edu/.

田玲, 馬麗儀. 基于用戶體驗(yàn)的網(wǎng)站信息服務(wù)水平綜合評(píng)價(jià)研究[J]. 生態(tài)經(jīng)濟(jì), 2013(10): 160-162.

一淘網(wǎng).知識(shí)圖譜[EB/OL]. (2014-12-12). https://www.

aliyun.com/zixun/aggregation/13323.html.

李涓子. 知識(shí)圖譜: 大數(shù)據(jù)語義鏈接的基石[EB/OL].(2015-02-20). http://www.cipsc.org.cn/kg2/.

知識(shí)圖譜技術(shù)在司法領(lǐng)域的應(yīng)用:國雙科技的探索與技術(shù)分享。http://mp.weixin.qq.com/s/aVEBf_VxkXpmx3Z3xUBtm

歡迎加入本站公開興趣群

商業(yè)智能與數(shù)據(jù)分析群

興趣范圍包括各種讓數(shù)據(jù)產(chǎn)生價(jià)值的辦法,實(shí)際應(yīng)用案例分享與討論,分析工具,ETL工具,數(shù)據(jù)倉庫,數(shù)據(jù)挖掘工具,報(bào)表系統(tǒng)等全方位知識(shí)

QQ群:81035754

文章版權(quán)歸作者所有,未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請(qǐng)注明本文地址:http://specialneedsforspecialkids.com/yun/4643.html

相關(guān)文章

  • 最全知識(shí)圖譜綜述#1: 概念以及構(gòu)建技術(shù)

    摘要:本質(zhì)上知識(shí)圖譜旨在描述真實(shí)世界中存在的各種實(shí)體或概念及其關(guān)系其構(gòu)成一張巨大的語義網(wǎng)絡(luò)圖,節(jié)點(diǎn)表示實(shí)體或概念,邊則由屬性或關(guān)系構(gòu)成。圖知識(shí)圖譜示例知識(shí)圖譜的架構(gòu)知識(shí)圖譜的架構(gòu)包括自身的邏輯結(jié)構(gòu)以及構(gòu)建知識(shí)圖譜所采用的技術(shù)體系架構(gòu)。 引言隨著互聯(lián)網(wǎng)的發(fā)展,網(wǎng)絡(luò)數(shù)據(jù)內(nèi)容呈現(xiàn)爆炸式增長的態(tài)勢(shì)。由于互聯(lián)網(wǎng)內(nèi)容的大規(guī)模、異質(zhì)多元、組織結(jié)構(gòu)松散的特點(diǎn),給人們有效獲取信息和知識(shí)提出了挑戰(zhàn)。知識(shí)圖譜(Know...

    wujl596 評(píng)論0 收藏0
  • 知識(shí)圖譜是什么?一文了解其技術(shù)應(yīng)用場(chǎng)景案例

    摘要:四知識(shí)圖譜應(yīng)用利用知識(shí)圖譜技術(shù)可以直接給出用戶想要的搜索結(jié)果,而不再是各類鏈接。智慧城市公安機(jī)關(guān)在偵查案件時(shí),經(jīng)常看到辦案民警用圖譜梳理案件及人物關(guān)系。在電視劇人民的名義中,警方利用知識(shí)圖譜分析,可以很快看清山水集團(tuán)背后的利益鏈條。 導(dǎo)讀:悟已往之不諫,知來者之可追。 ?小編整理了各種關(guān)于人...

    tomato 評(píng)論0 收藏0
  • 當(dāng)知識(shí)圖譜“遇見”深度學(xué)習(xí)

    摘要:為了更好地為機(jī)器學(xué)習(xí)或深度學(xué)習(xí)提供先驗(yàn)知識(shí),知識(shí)圖譜的表示學(xué)習(xí)仍是一項(xiàng)任重道遠(yuǎn)的研究課題。 肖仰華:復(fù)旦大學(xué)計(jì)算機(jī)科學(xué)技術(shù)學(xué)院,副教授,博士生導(dǎo)師,上海市互聯(lián)網(wǎng)大數(shù)據(jù)工程技術(shù)中心副主任。主要研究方向?yàn)榇髷?shù)據(jù)管理與挖掘、知識(shí)庫等。大數(shù)據(jù)時(shí)代的到來,為人工智能的飛速發(fā)展帶來前所未有的數(shù)據(jù)紅利。在大數(shù)據(jù)的喂養(yǎng)下,人工智能技術(shù)獲得了前所未有的長足進(jìn)步。其進(jìn)展突出體現(xiàn)在以知識(shí)圖譜為代表的知識(shí)工程以及深...

    leanxi 評(píng)論0 收藏0

發(fā)表評(píng)論

0條評(píng)論

最新活動(dòng)
閱讀需要支付1元查看
<