首页 > 人工智能 > 知识图谱——连接这些点

[悬赏]知识图谱——连接这些点 (已翻译100%)

查看 (227次)
英文原文:Knowledge Maps – Connecting the Dots
标签:
admin 发布于 2017-06-26 11:10:59 (共 1 段, 本文赏金: 9元)
参与翻译(1人): greenflute 默认 | 原文

【已悬赏】 赏金: 9元

“知识图谱:我们到底想解决什么问题” 中问题的答案其实就存在于几个成熟技术艺术般的组合当中:语义,图数据库和Web Service。

  1. 语义:由诸多领域(图书馆学,信息科学,语言学)中的最佳实践组合起来,那些本来是为了给内容增加意义的技术(微标签,RDF,语义互联网等),以及若干知识组织模式(SKOS, 话题映射)使得机构们可以构建一个 “企业词汇表”,并将之作为通向他们数据资产的路线图。这种通用语言将不仅仅为改善元数据管理所必需,还将成为正在逐步发展起来的AI技术的前提条件。这就是向"智能数据“转化,而这也是IT领域在21世纪最重要的责任。

  2. 图数据库: 元数据的新模型--图数据库提供了更自然的保存和查询知识数据库(作为企业词汇表)的方式。尽管关系型数据库支撑了当前大多数的工具,图的模型和查询语言提供了在SQL中实现的功能。所有未来的元数据管理以及CMDB类型的工具都将使用图模型。

  3. Web Services: 它并不仅仅是中间件技术,还意味着系统被拆分为更多各自独立的有数据感知能力的实体(相对于原先关注UI的单一程序)。使用了内建于API中的能更好理解语义的功能,元数据管理工具现在可以直接利用现代化的基于服务的系统管理工具了。

将以上三个元素结合起来就导致了”企业知识图谱“的诞生 – 一个从设计上就是为了将元数据转化为服务而不是仅仅将其从数据中解析出来的系统。知识图谱提供了可以链接以及访问所有存在于企业内部可以用来管理IT和业务的工具和应用程序的路线图。定义于图数据库中的知识图谱并不需要所有源系统的全部信息,只要能用来从数据链接到特定的系统并驱动Web Service调用来从源系统获得额外细节就足够了。

我参与了在数据、企业以及IT架构范畴内的很多艰难的构建知识图谱的工作,他们都具有下列属性:

  • 待解决问题涉及到的概念并不存在于源系统中
    • 需要在知识图谱中定义并直接加以管理
  • 用来解答复杂问题的数据是存在的,只是分布于不同的源系统中
    • 需要融合到知识图谱中。
  • 那些能把你从问题出发点带到答案的数据总是分布在一个可以有很多不同访问路径的网络上
    • 能找到问题答案的查询必须能够将离散的点连接起来,如果不是使用SQL无法完成的话,那必将是很复杂的

那些存储在各自系统的基本数据其实是非常无趣的 – 除非你能够把他们组织成为一个数据网络,并使用查询把这些离散的点彼此连接起来以找到有用的信息。

greenflute
翻译于 2017-07-02 06:55:32
 

参与本段翻译用户:
greenflute

显示原文内容

GMT+8, 2018-1-23 22:20 , Processed in 0.036157 second(s), 11 queries .