في نهاية 2019، الفائز بجائزة تورينج Bengio وأشار إلى، ونحن في فترة من الذكاء لإدراك عمق تعلم كممثل لل"نظام"، أن المخابرات المعرفي بوصفه ممثل التعلم العميق "النظام، وهما" تمر بمرحلة انتقالية.

في هذه العملية، والتكنولوجيا خريطة المعرفة تلعب دورا رئيسيا. في السنوات الأخيرة، وأكد الرسم المزدهر للشبكة أيضا هذا الاتجاه.

هذه المقالة هي البيانات العلمية فيليب S. يو فريق رسمي لمراجعة أحدث المعارف في مجال خريطة ترسي تاريخ تطور في هذا المجال من الأساس النظري، والتطبيق العملي، والاتجاه للبحوث المستقبل وغيرها من جوانب صورة طموحة وشاملة.

ون | السيد بير

إد | نهاية كونغ

إدخال المعرفة الإنسانية هو اتجاه البحوث الهامة الذكاء الاصطناعي. تمثيل المعرفة مستوحاة من نهج حل المشاكل البشرية، يهدف إلى توصيف الأنظمة الذكية المعرفة للحصول على القدرة على حل المشاكل المعقدة. مؤخرا، كان بمثابة خريطة المعرفة منظم من المعرفة البشرية، وعظيم الأوساط الأكاديمية والصناعة قلق الناس.

رسم خرائط المعرفة هو التوصيف الهيكلي للحقائق، والذي يتألف من الكيانات والعلاقات ودلالات وصف تكوينها. كيان قد تكون موجودة في الكائنات العالم الحقيقي، قد تكون المفاهيم المجردة؛ والعلاقات الرابطة بين الكيانات المذكورة، وصف الدلالي للكيانات وعلاقاتهم المؤلف من أنواع محددة جيدا والصفات. اليوم، وقد تم استخدام خاصية على نطاق واسع الرسم البياني، حيث عقد والعلاقات لها خصائص.

مصطلح "خريطة المعرفة" و "قاعدة المعرفة" هو مرادف تقريبا، سوى الفرق الصغيرة جدا. عندما ننظر في ضوء هيكل خريطة المعرفة، فإنه يمكن أن ينظر إليه باعتباره الرسم البياني. عندما يتعلق الأمر مشكلة دلالات رسمية، فإنه يمكن أن تفسر على أنها مستودع للحقائق والمنطق. معرفة محددة والمعرفة في شكل خريطة مبين في الشكل.

يمكن تمثيل المعرفة من قبل إطار وصف الموارد (RDF) مثلثات في شكل حقيقة، و(الكيانات الرأس، والعلاقات، والكيان النهاية) أو (الموضوع، المسند، وجوه) على سبيل المثال (أينشتاين، وهو ... الفائزين، جائزة نوبل). المعرفة قد تكون أيضا تتميز بأنها مخطط موجه، والعقد تمثل الكيانات التي تمثل حواف العلاقات.

للبساطة، والامتثال لمجتمع البحوث اتجاه التنمية، ونحن تستخدم بالتبادل هنا وقاعدة خريطة المعرفة المعرفة من هذين المصطلحين.

الشكل 1: قاعدة المعرفة التخطيطي والمعرفة خريطة

في السنوات الأخيرة، خريطة المعرفة مصدر القلق الرئيسي القائم على البحث هو أنه من خلال رسم خرائط الكيانات والعلاقات لناقلات منخفضة الأبعاد، الحصول على المعلومات الخاصة بهم الدلالي من أجل تحقيق التعلم تمثيل المعرفة (KRL) أو معرفة رسم الخرائط جزءا لا يتجزأ من (KGE). وتشمل مهام محددة المعرفة استكمال الاستحواذ خريطة المعرفة (KGC)، ثلاثة أضعاف تصنيف، والتعرف على الكيان، واستخراج العلاقة.

وبفضل نموذج قائم على المعرفة المعلومات غير المتجانسة، والثروة المتكاملة لتمثيل المعرفة والأنطولوجيا الدلالي والمعرفة من اللغات. وهكذا، في حين أن الحس السليم فهم ومهارات التفكير في التقدم، العديد من التطبيقات مثل الأنظمة في العالم الحقيقي، والتوصية نظام الرد، أيضا نحو الازدهار. وقد أثبتت ساتوري مايكروسوفت والرسم البياني المعرفي وغيرها من المنتجات في العالم الحقيقي، لتقديم خدمات أكثر كفاءة من قدرات قوية.

أوراق الرابط: http: //arxiv.org/abs/2002.00388

أولا، تاريخ موجز للمعرفة

في مجال المنطق والذكاء الاصطناعي، وشهدت تمثيل المعرفة تاريخ طويل من التنمية. تمثيل المعرفة عن طريق رسم فكرة يمكن ارجاعه Richens اقترح في عام 1956. "الويب الدلالي" (الدلالي صافي)، ومعرفة المنطق الرمزي يمكن ان ترجع الى عام 1959 حل المشاكل العامة.

في البداية، يتم استخدام قاعدة معرفية لنظام المنطق القائم على المعرفة في حل المشكلة. يستخدم MYCIN عن التشخيص الطبي، واحدة من أكثر نظام خبير قائم على قواعد الشهير، أن لديها قاعدة المعرفة التي تحتوي على حوالي 600 قواعد.

بعد ذلك، جعلت توصيف المعرفة الإنسانية في إطار اللغة، وتوصيف المجتمعية وتوصيف جوانب متباينة من الحكم المستندة إلى بعض التقدم في مجال البحوث. قرب نهاية هذه الفترة، برنامج مراكز الشباب الإصلاحية تهدف إلى دمج المعرفة البشرية، بدأ.

وأفرج عن الوصف الموارد الإطار (RDF) والويب لغة علم الوجود (البومة)، فقد أصبح معيارا هاما للويب الدلالي. بعد ذلك، صدر أيضا مثل وردنت، DBpedia، هذا ياجو مفتوحة وقاعدة المعرفة فريبيس أو الجسم.

اقترح ستوكمان فريس وفكرة تنظيم المعرفة في شكل رسوم بيانية بالمعنى الحديث في عام 1988. ومع ذلك، أصبح مفهوم شعبية خريطة المعرفة تضطر إلى الانتظار حتى عام 2012، قدم جوجل أولا معرفة رسم الخرائط في محرك البحث، وهذه المرة اقترحوا إطار للتكامل المعرفة المعروفة باسم "المدفن المعرفة" من أجل بناء المعرفة ورسم الخرائط على نطاق واسع. علم الرسم البياني التاريخ، يرجى الاطلاع على هذا المقال في الملحق أ.

الثانية، والتعاريف والرموز ذات الصلة

الباحثون الكثير من العمل، يتم تعريف معين خريطة المعرفة من خلال وصف توصيف الدلالي المشترك أو الخصائص الأساسية. ومع ذلك، خريطة المعرفة لا تزال غير مقبولة على نطاق واسع التعريف الرسمي. تعرف Paulheim أربعة رسم الخرائط القياسية المعرفة. Ehrlinger ووو تحليل بعض التعاريف الحالية والتعريف المقترح لل1 هو مبين أدناه، الذي يؤكد خريطة المعرفة محرك الاستدلال. وانغ وآخرون 2 المقترحة في تعريف متعددة تحديد الرسم البياني العلاقة.

مستوحاة من هذه الأعمال السابقة، ولقد تم تعريف خريطة المعرفة كما G = {E، R، F}، حيث E، R، F هي مجموعة من الكيانات، والعلاقات، والحقائق. حقيقة يمكن أن تكون ممثلة على النحو الثلاثي (ح، ص، ر) F.

وسيتم دمج الحصول على المعلومات وخريطة المعرفة في الجسم باستخدام الاستدلال هو لتوليد معارف جديدة: تعريف 1 (Ehrlinger ووو اس اس).

يحدد 2 (وانغ وآخرون): أنواع مختلفة يعتبر يتكون متعدد خريطة مخطط المعرفة من الكيانات والعلاقات، والعلاقة بين الكيانات يعتبر عقدة من الحواف.

الجدول 1: الرموز والتعاريف المتعلقة خريطة المعرفة

ثالثا، تصنيف الدراسات رسم الخرائط المعرفة

1، والتعلم تمثيل المعرفة (KRL)

التعلم تمثيل المعرفة هي الأسئلة البحثية الرئيسية في مجال المعرفة ورسم الخرائط، والمهام، ويحصل لكثير من التطبيقات المصب أساس المعرفة. وسوف ينقسم KRL إلى أربعة مستويات: توصيف الفضاء، فإن وظيفة التسجيل، والمعلومات المساعدة الترميز نموذج. كما يعطي هذا المقال واضح نموذج KRL سير العمل التنمية. وفيما يلي التفاصيل:

1) توصيف الفضاء

FIG 3: تمثيل المعرفة المختلفة في تخطيطيا من الفضاء

توزيع منخفضة الأبعاد الكيانات التعلم جزءا لا يتجزأ من والعلاقات هي القضية الأساسية للتعلم تميز. العمل في المقام الأول باستخدام نقطة قيمة حقيقية في ناقلات الفضاء، مصفوفة، الفضاء موتر (FIG 3A)، ولكن أيضا استخدام ناقلات الفضاء المعقدة (الشكل 3B)، التمويه المكاني (FIG. 3C القائمة معروضة) وأنواع أخرى (كما هو موضح في الشكل. 3D)، الخ مشعب الفضاء.

2) وظيفة التهديف

الشكل 4: التخطيطي وظيفة التهديف على أساس المسافة على أساس مطابقة التشابه، وDistMult مثال TransE على التوالي.

يتم استخدام الدالة هدفا لقياس مدى معقولية الحقائق، وكما هو معروف بوصفها وظيفة من الطاقة في إطار التعلم القائم على الطاقة. هدفت الدراسة إلى التعلم القائم على مدخلات الطاقة س، المعلمة وظيفة الطاقة E_ (خ)، والتي ستضمن عينات إيجابية لديها أعلى درجة من العينات سلبية. في هذه المقالة، نحن موحد يشار إليها باسم "وظيفة وسجل".

مقياس نموذجي لحقيقة أن وظيفة العقلانية التهديف إلى فئتين: القائم على مسافة التهديف وظيفة (. FIG 4A)، واستنادا إلى وظيفة التشابه التهديف (الشكل 4B). وظيفة التسجيل على أساس المسافة تقاس الحقائق مسافة معقولة بين الكيانات الحوسبة، ح + ص ر تحقيق يستخدم على نطاق واسع هذا التحول الأفعى الفكرة العلاقات بين الكيانات. وظيفة التسجيل على أساس مقياس التشابه الدلالي التي كتبها معقولة على الحقائق مطابقة الدلالي، فإنه عادة ما يكون

هذه صيغة الضرب على غرار التحول لإعطاء الذيل في مساحة الرأس في توصيف الكيانات المادية.

3) نموذج الترميز

 محددة الترميز نموذج من العمارة نموذج (خطي / نموذج المترابط، نموذج توكيل تجاري، الشبكة العصبية) التفاعل بين الكيانات رمز والعلاقات.

 الخطية نموذج المتوقع بحلول نهاية الرأس إلى نهاية كيان الفضاء تتميز البدني، ويتم التعبير عن العلاقة كما خطي / خريطة المترابط. يقصد العوملة البيانات العلائقية للتحلل إلى مصفوفة رتبة منخفضة، وتتميز بالتالي أداء التعلم. الشبكات العصبية هي غير الخطية تفعيل العصبي عن طريق رسم الخرائط أكثر يتم ترميز بنية شبكة معقدة والبيانات العلائقية. بعض مشترك نموذج الشبكة العصبية هو مبين في الشكل.

الشكل 5: وجهة نظر تخطيطي لنموذج الترميز العصبي. (A) متعدد الطبقات المستقبلات، و (ب) التلافيف العصبي مدخلات الشبكة إلى طبقة ثلاثية مرتبطة ارتباطا كاملا، والملتوية

4) المعلومات الإضافية

من أجل تعزيز تمثيل المعرفة أكثر كفاءة، مثل المتعدد الوسائط وصف النص جزءا لا يتجزأ، ونوع من القيد، والعلاقة بين المعلومات البصرية والطريق المعلومات الخارجية وخريطة المعرفة ذاتها تنصهر معا.

 في الأوساط البحثية خريطة المعرفة، والتعلم تمثيل المعرفة مهم جدا. بشكل عام، نحن نريد لتطوير نموذج جديد للتمثيل المعرفة والتعلم حاجة للرد على الأسئلة الأربعة التالية: (1) اختيار أي نوع من الفضاء توصيف، (2) كيفية قياس مساحة محددة العقلاني الثالوث، (3) أي نوع التفاعل نموذج الترميز العلاقة، (4) أو عدم استخدام المعلومات الإضافية.

معظم خصائص مشتركة من الفضاء الإقليدية هو نقطة في الفضاء، وسوف تكون جزءا لا يتجزأ في الكيانات متجهة فراغ، وعلى غرار التفاعل من قبل ناقلات، مصفوفة أو الموترة. كما تم التحقيق فيها لمزيد من الفضاء توصيف (بما في ذلك توزيع جاوس مجموعة الفضاء المتعددة الفضاء ناقلات معقدة).

نقطة فيما يتعلق الفضاء الإقليدية، ومزايا متعددة المساحة التي يمكن تركيبها على نقطة الركود، إدراج الضبابي يمكن أن يعبر عن عدم اليقين بين الكيانات والعلاقات، والعلاقة الدلالية متعددة؛ تضمين الفضاء ناقلات معقدة يمكن أن يكون فعال يختلف نموذج العلاقة اتصال النمذجة، ولا سيما متماثل واسطة، و/ antisymmetric.

عندما المشفرة المعلومات الدلالي الكيانات والوصول إلى علاقات الملكية، واصفا الفضاء يلعب دورا هاما للغاية. عندما وضعنا دراسة نموذج توصيف، واختيار توصيف المناسب للمساحة، والتي الفضاء يهدف إلى توصيف خصائص تطابق الترميز وقادرة على التعبير عن التوازن بين القدرات والتعقيد الحسابي.

ومتري وظيفة التهديف أساس استخدام مبدأ تحويل المسافة المناسبة، سيتم توظيف عمليات مستوى مكون مطابقة الدلالي التهديف وظيفة القائمة. الترميز نموذج (ولا سيما الشبكات العصبية) لنمذجة عملية التفاعل بين الكيانات والعلاقات تلعب دورا رئيسيا. وقد شبه خطيه النموذج أيضا مصدر قلق للكثير من الباحثين، وبعض من تقنية موتر التحلل المرتبطة بهذا. طرق أخرى لإدخال المعلومات الإضافية وصفا نصية، وأنواع العلاقة / كيان، والصور الصلبة.

الجدول 2: ملخص لتمثيل المعرفة عمل التعلم الآونة الأخيرة. يرجى الرجوع إلى الملحق C

2، واكتساب المعرفة

أهداف اكتساب المعرفة إلى خريطة بناء المعرفة على أساس النص غير منظم، تكمل خريطة المعرفة القائمة وايجاد وتحديد الكيانات والعلاقات. معرفة جيدة لبناء خرائط على نطاق واسع في العديد من التطبيقات المصب هي مفيدة جدا، ويمكن أن تعطى القدرة على الاستدلال المبني على نموذج المعرفة الحس السليم، وبالتالي وضع الأساس لتحقيق الذكاء الاصطناعي.

وتشمل المهمة الرئيسية لاكتساب المعرفة استخراج العلاقة والمعرفة ورسم الخرائط مكمل، وغيرها من الكيانات لمهام الاستحواذ، مثل تحديد كيان وكيان الانحياز. معظم الطرق وحدها تعريف رسمي للمعرفة رسم الخرائط لاستكمال واستخراج العلاقة. ومع ذلك، كل من هذه المهام يمكن أيضا أن تكون متكاملة في إطار موحد.

اقترح هان وآخرون آلية اهتمام على أساس الإطار التعلم المتبادل و، والاهتمام المتبادل الموقع يستخدم هذه الآلية لتعيين البيانات بين المعرفة والتكامل من النص، إطار في حين معالجة خريطة المعرفة من الانتهاء وفقا لاستخراج النص والعلاقات السؤال. وبالإضافة إلى ذلك، هناك بعض المهام والمعرفة تكملة ذات الصلة (على سبيل المثال، تصنيف الثلاثي وتصنيف العلاقة). في هذا القسم، سنقوم بمراجعة كاملة من المعرفة، واكتشاف واستخراج كيان العلاقة ثلاث خطوات أساليب اكتساب المعرفة.

1) رسم الخرائط المعرفة الانتهاء (KGC)

وبما أن معظم الخرائط ليس لديهم المعرفة النزاهة والناس على تطوير المعرفة لتكمل التكنولوجيا الجديدة سوف تتضاعف ثلاث مرات لإضافة إلى الرسم البياني المعرفي الجديد. وتشمل المهام النموذجية وصلات إلى التنبؤ الطفل والكيانات التنبؤ والعلاقات التنبؤ بها. دون أن نعطي تعريف المهمة التي تواجه 3.

تعريف 3: نظرا معرفة خريطة غير مكتملة G = (E، R، F)، وتهدف إلى استكمال المعرفة رسم الخرائط للاستدلال المفقودين الثلاثي T = {(ح، ص، ر) | (ح، ص، ر) F}.

ركز المعرفة من الطيف الكامل مع ما يصل البحوث في وقت مبكر على تعلم التنبؤ الثلاثي الأبعاد المنخفضة للالتضمين. في هذه المقالة، فإننا سوف نطلق عليه "النهج القائم جزءا لا يتجزأ".

ومع ذلك، فإن معظم هذه الأساليب لا يمكن الحصول على علاقات متعددة المستويات. لذلك، عمل مؤخرا لصالح استكشاف العلاقة بين المسار وإدخال علاقة منطقية متعددة المستويات، كنا يشار إليها باسم "مسار العلاقة بين المنطق" و "الاستدلال المبني على القاعدة." الثلاثي إنجاز خريطة المعرفة تصنيف مهمة الثانوية، والذي يستخدم لتقييم صحة يتضاعف ثلاث مرات الحقائق.

2) يرى الكيان

كيان قد الحصول على اكتشاف المعرفة من كيان توجيه النص، والتكامل المعرفي بين مختلف خريطة المعرفة. تبعا للظروف، والمهام اكتشاف كيان يمكن تقسيمها إلى عدة فئات مختلفة.

 نحن في تسلسل إلى تسلسل (Seq2Seq) استكشاف السبل المهمة اعتراف الكيان؛ الكيان المهمة تصنيف تركز على نوع من تسمية وتصنيف عينة الصفر صاخبة، كيان التعلم مهمة توضيح وإدراج محاذاة موحد، والتي تقترح نموذج التوافق متكررة في حل مشكلة عدد محدود من الكيانات المتحالفة البذور. ولكن إذا محاذاة الكيان الجديد ضعف الأداء، فإنه سيواجه مشكلة تراكم الأخطاء.

في السنوات الأخيرة، المزيد والمزيد من المعرفة للغة معينة، فإنه سيتم تحفيز حتما بحث عن المعرفة عبر لغة الانحياز.

الرقم 8: وجهة نظر تخطيطي لبعض المهام الكيانات اكتشاف

3) استخراج العلاقة

العلاقة استخراج هو تلقائيا يبني على نطاق واسع خريطة ذات المهام الحرجة المعرفة، فإن المهمة المستخرجة من حقائق غير معروفة Pusu ون لهذه العلاقة، وإضافتها إلى الرسم البياني للمعرفة.

تفتقر البيانات العلائقية مع العلامة، والإشراف عن بعد (البعيدة الإشراف) تقنية (المعروف أيضا باسم ضعف الرقابة أو الإشراف من) مباراة الكشف عن مجريات الأمور، فمن المفترض تحت إشراف قاعدة بيانات علائقية، التي تضم نفس الجملة قد تعبر عن نفسها علاقة الكيان لإنشاء بيانات التدريب.

مينتز، الذي سيشرف على مهام تصنيف العلاقة البعيدة، فإنها تستخدم ميزات النص وتشمل السمات المعجمية والنحوية، والعلامات كيان اسمه، وكذلك العطف الميزات. الطريقة التقليدية يعتمد بشكل كبير على خصائص المشروع، في حين أن نهج أكثر حداثة هو استكشاف العلاقة العضوية بين الميزات. الشبكات العصبية عمق تتغير توصيف تعلم خرائط المعرفة والنص. دراسات استخراج على العلاقة بين الأعصاب (في NRE) طريقة التقدم الذي أحرز مؤخرا كما هو مبين في الشكل.

الرقم 9: نظرة عامة على استخراج علاقة العصبية

وبالنسبة مهمة استخراج تواجه الوضع مع الضوضاء في ظل افتراض الإشراف عن بعد، وخاصة للإشراف عن بعد بين المناطق المختلفة. لذلك، لضعف استخراج علاقة الرقابة هو الحد من تأثير الضوضاء مع التسمية مهم جدا (على سبيل المثال، من خلال عدة مثيل تعلم أن حزمة جمل متعددة كمدخل، باستخدام آلية من الاهتمام و"لينة" على اختيار عينة مما يقلل من وضع الفرقة الضوضاء، وعلى أساس ويمثل تعزيز أسلوب التعلم عن طريق العينة المختارة القرارات الصعبة. آخر هو أن، إلى أقصى حد ممكن لمعرفة توصيف أكثر اتساعا. منذ عمق الشبكة العصبية يمكن أن تحل المشكلة التقليدية من الخطأ نشر طريقة مميزة الاستخراج، وقد سيطر على الميدان الذي عمق نموذج يستند إلى الشبكة العصبية.

الجدول 4: الزوار البحوث والتنمية استخراج علاقة محة العصبي

3، وتوقيت خريطة المعرفة

نشعر بالقلق معظم الدراسات خرائط المعرفة القائمة أن المعرفة ثابتة رسم الخرائط، والتي سوف الحقيقة لا تتغير مع مرور الوقت، ولكن الدراسة الحالية تغييرات ديناميكية في أنماط توقيت المعرفة هي أقل من ذلك. ومع ذلك، ويرجع ذلك إلى معرفة منظم فقط تعيين ما يصل في فترة محددة من الزمن، وبالتالي فإن المعلومات توقيت مهم جدا، وحقيقة أن التطور سوف تتبع التسلسل الزمني.

وقد بدأت الدراسات الحديثة لتوصيف المعلومات توقيت في المعرفة وخريطة المعرفة مهمة التعلم الانتهاء. من أجل توليد مقارنة مع السابقة في معرفة رسم الخرائط ثابت، الذي سنطالب "خارطة معرفة التوقيت." من أجل التعلم ترسيخ بينما تضمين توقيت والعلاقات، وفعلت الناس الكثير من العمل البحثي.

1) المعلومات توقيت جزءا لا يتجزأ من

جزءا لا يتجزأ مع توقيت ذات الصلة، ونحن نعتبر المعلومات توقيت بواسطة رباعية ثلاثية التوسع في توقيت (ح، ص، ر، ). الذي يوفر معلومات إضافية حول توقيت عندما اقامت الحقائق. Leblay وChekol باستخدام دراسات العلامات ثلاثية مع مرور الوقت من القضايا التنبؤ نطاق التوقيت، وببساطة توسيع أسلوب التضمين التقليدية. على سبيل المثال، لتوسيع TransE TTransE تقوم على ناقلات محددة:

2) كيان ديناميكي

سوف أحداث العالم الحقيقي تغيير حالة الكيان، وبالتالي يؤثر على العلاقة المقابلة. من أجل تحسين أداء التنبؤ الوقت، توقيت قطاعات نموذج السياق نطاق التنبؤ توقيت لتعريف رسمي للمشكلة الكشف عن تغيير حالة، وذلك باستخدام سياق دول التعلم ومتجه الحالة.

"اعرف تتطور" هو معرفة عميقة لتطور الشبكة، والذي يدرس تطور علم العلاقات المتبادلة بين الكيانات وتطورها. ويستخدم متعدد نقطة متغير عملية توقيت وقوع الحقائق النمذجة، قمنا بتطوير نوع جديد من الدراجات توصيف الشبكة من غير الخطية تطور سلسلة زمنية من التعلم.

من أجل الحصول على تفاعل بين العقد، RE-NET النمذجة سلسلة من الأحداث على أساس العصبية التشفير دورة الشبكات والجار عن طريق البلمرة. على وجه التحديد، فإنها تستخدم الشبكة العصبية للحصول على المعلومات المتداولة التفاعلات كيان سلسلة، وعن طريق البلمرة الجيران سوف تحدث البلمرة التفاعل في وقت واحد.

3) توقيت علاقة تبعية

في سلسلة علاقة، هناك تبعية توقيت على طول الخط. على سبيل المثال، "في ... تخرجت من الولادة عمل في ... مات ...." اقترح جيانغ آخرون الوقت على أساس جزءا لا يتجزأ، الذي جنبا إلى جنب مع إطار للتوقيت تنظيم التعلم، وبالتالي إدخال النظام الزمني والمعلومات الاتساق. تعرف على توقيت وظيفة التسجيل على النحو التالي:

من بينها،

هو مصفوفة غير متناظرة، بل هو توقيت r_k العلاقة متتابعة، r_l الترميز علاقة تسلسل توقيت. ومنذ ذلك الحين، فقد أبعد عدد صحيح خطية الصيغ البرمجة التطبيقية مفككة والانتظام، ومدى اتساق ثلاثة أنواع من ضيق الوقت.

4) منطق التوقيت

ودرس الباحثون أيضا منطق قواعد المنطق الزمانية. Chekol، الذي اكتشف شبكات المنطق ماركوف والمنطق الاحتمالي المنطق لينة في غير القطعية خريطة توقيت المعرفة. تعتبر RLvLR ستريم قواعد مسار وقت الإغلاق، والتعلم والاستدلال القواعد من معرفة هيكل خريطة تيار.

4، وتطبيق خريطة القائم على المعرفة

لتطبيقات الذكاء الاصطناعي، والمعرفة المركبة الغنية أمر مفيد للغاية. ولكن كيف تفعل هذه الرموز التكامل المعرفة إلى تطبيقات في العالم الحقيقي من الإطار الحسابي لا يزال يشكل تحديا كبيرا. يصف هذا القسم بعض التطبيقات في فهم اللغة الطبيعية (NLU) عمق مهمة طريقة يحركها المعرفة على أساس الشبكات العصبية في الآونة الأخيرة.

1) فهم اللغة الطبيعية

يتم حقن فهم اللغة الطبيعية قائم على المعرفة من خلال معرفة منظم موحد الفضاء الدلالي لتعزيز اللغة لأداء تميز. مؤخرا، التقدم في مجال البحوث استخدام يحركها المعرفة من المعرفة الصريحة والضمنية من وقائع تمثيل اللغة، واستكشاف العديد من اللغات الطبيعية المهام فهم.

اقترح تشن وآخرون خريطة اثنين المعرفة (أي خريطة فتحة أساس الدلالي المعرفة (على فتحة)، والقائم على كلمة معجمية الرسم البياني المعرفي) مكررة FIG تقنية المشي العشوائي إلى النظر في العلاقة المتبادلة بين أخدود في فهم اللغة المنطوقة . وانغ وآخرون مرجحة "كلمة - مفهوم" نموذج قائم على المعرفة المفاهيمي لتضمين تحقيق تعزيز دراسة توصيف النص القصير. بنغ، الذي يجمع بين المعرفة الخارجية لبناء خرائط لهذا الحدث المعلومات غير المتجانسة المهام تصنيف النص الاجتماعي باختصار.

2) Q & A نظام

يأتي (KG-QA) نظام من حقيقة أن استخدام المعرفة لرسم الخرائط للرد على أسئلة اللغة الطبيعية على أساس مسابقة المعرفة. بناء على طريقة الشبكة العصبية لتوصيف الفضاء الدلالي وزعت في السؤال والجواب، وهناك تم حقن بعض الطرق إلى رمز المعرفة، من أجل تحقيق المنطق والحس السليم.

قبل معرفة رسم الخرائط باعتبارها مصدر استخباراتي خارجي، وهو واقعي نظام الرد سؤال بسيط أو نظام الرد حقيقة واحدة يمكن الإجابة عن أسئلة بسيطة تهدف إلى تعيين المعرفة واحدة من الحقائق. بوردس وآخرون قاعدة المعرفة باعتبارها ذاكرة خارجية من قبل الشبكة الذاكرة لسؤال بسيط والجواب.

هذه الأساليب على أساس العصبية الشبكة العصبية "التشفير - فك" يجمع نموذج الحصول على تحسينات في الأداء. لكننا نريد التعامل مع العلاقات المعقدة متعددة المستويات تحتاج أيضا لتكون قادرة على التعامل مع متعدد المستويات المنطق الحس السليم، تصميم الشبكات أكثر تخصصا. معرفة المراقبة الحس السليم منظم يوفر معلومات غنية، وكما يوجد تحيز الاستقرائي العلائقية، فإنه يعزز المعرفة الحس السليم من البحوث التي أجريت مؤخرا والفضاء الدلالي بين الرموز على متعدد المستويات التكامل المنطق.

3) نظام توصية

وأجرى الباحثون من خلال تعاوني نظام توصية تصفية بحث مستفيض، والذي يستخدم المعلومات التاريخ المستخدم. ومع ذلك، فإن هذا النهج في كثير من الأحيان لا يحل مشكلة تبعثر وبداية البرد المشكلة. يمكن أن تعطى خريطة المعرفة باعتبارها المعلومات الخارجية لإدخال قدرة التعقل منطق النظام الموصى بها.

بواسطة المعلومات المساعدة (على سبيل المثال، والكيانات والعلاقات والسمات) حقن رسم الخرائط المعرفية، والباحثين وأوصى لتعزيز الأداء في تنظيم جزءا لا يتجزأ من قام بالكثير من العمل. يأخذ بعض الأعمال في الاعتبار بنية العلاقة بين المسار وخريطة المعرفة، KPRN أن ينظر إلى التفاعل بين المستخدم والسلع الأساسية في الرسم البياني المعرفي "كيان - العلاقة" المسار واستخدام LSTM الحصول تعتمد على تسلسل، حتى يكون على الطريق التنبؤ تفضيلات المستخدم.

رابعا: اتجاهات البحوث المستقبل

الباحثون قد فعلت الكثير من العمل للتصدي للتحديات التي كتبها تمثيل المعرفة والتطبيقات ذات الصلة التي تواجهها، ولكن لا تزال هناك بعض القضايا الصعبة التي يتعين حلها في العراء، وهناك بعض مستقبل واعد للبحث.

1، والمنطق معقدة

لتمثيل المعرفة الحسابات العددية تتطلب مساحة ناقلات المستمر، وذلك للحصول على الكيانات المعلومات الدلالات والعلاقات. ومع ذلك، فإن طريقة جزءا لا يتجزأ من لديه بعض القيود على أساس التفكير المنطقي في المهام المعقدة، ولكن العلاقة بين هذين المسارين والبحوث المنطق الرمزي هو يستحق مزيدا من الاستكشاف. مسار الدورة الدموية الترميز العلاقة في خريطة المعرفة، وطريقة واعدة لديه المعلومات البحثية خريطة انتقال بناء على الشبكات العصبية وغيرها، وكذلك اكتشاف والمنطق يقوم على مسار تعزيز التعلم من المنطق على حل المشاكل المعقدة واعدة جدا البحوث.

بالتزامن مع القواعد والمنطق جزءا لا يتجزأ، والعمل الأخير سوف ماركوف شبكة المنطق ويجمع KGE، وتهدف إلى استغلال قواعد المنطق وعدم اليقين العملية. الاستخدام الفعال للتنفيذ جزءا لا يتجزأ من يمكن الحصول على احتمال مجال المعرفة مؤكدة والمنطق، هو اتجاه مستقبل البحث الجدير بالذكر.

2، إطار موحد

أطلس ديه المزيد من المعرفة نموذج التعلم تميز ثبت أن ما يعادلها. على سبيل المثال، Hayshi وShimbo ثبت HoIE ومعقدة لمهمة صلة التنبؤ مع قيود محددة تعادل رياضيا. قياسا على بعض نموذج تمثيلي (بما في ذلك DistMult ومعقدة، وHoIE) يعطي منظور موحد. وانغ وآخرون. استكشاف بعض الروابط بين النموذج المترابط. Chandrahas، الذي يستكشف فهم الهندسي الجمع والضرب والمعرفة نموذج التعلم التمثيل.

معظم العمل باستخدام نماذج مختلفة تكمل التعريف الرسمي لخريطة المعرفة اكتساب المعرفة المهمة وعلاقة مهمة استخراج بأكملها. تعتبر هان وآخرون خريطة المعرفة والنص معا، واقترح إطار دراسة مشتركة أن آلية الاستخدامات الاهتمام المشترك لتبادل المعلومات بين خرائط المعرفة والنص. ومع ذلك، تعمل هذه الدراسات لفهم موحد للتمثيل المعرفة هو أقل من ذلك.

لكن، وكما هذه الدراسة قضية كإطار موحد للرؤية موحدة للشبكة، هو مفيد جدا، فإنه سيتم ملء الفجوات في مجال البحوث.

3، للتفسير

تمثيل المعرفة وحقنها في تفسيرها لاكتساب المعرفة والتطبيقات في العالم الحقيقي هو قضية رئيسية. من حيث تفسيرها، قد فعلت الباحثون بعض الأعمال التمهيدية. ITransF متجه متفرق لنقل المعرفة، وتحقيق الانتباه للتفسير من خلال تقنيات التصور. اكروس تفسير لتصل إلى توليد توقعات تستند جزءا لا يتجزأ من مسار باستخدام البحث، الذي يستكشف تفسير خريطة المعرفة.

ومع ذلك، على الرغم من بعض الشبكات العصبية الأخيرة حققنا أداء رائعا، لكنها لا تزال محدودة من حيث الشفافية وتفسيرها. بعض الأساليب محاولة لنموذج الشبكة العصبية والصندوق الأسود يجمع بين المنطق الرمزي، ويمكن زيادة عن طريق إدخال قواعد المنطق التفسيرية.

 بعد كل شيء، إلا أن تفسيرها ندرك أن تقنع الناس على التنبؤ بنتائج، يحتاج الباحثون إلى بذل المزيد من العمل من حيث المصداقية وتعزيز المعرفة التنبؤ تفسيرها.

4، والتدرجية

 التدرجية هي قضية مفتاح رسم الخرائط على نطاق واسع من المعرفة. نحن بحاجة للتأكد من تطبيق المفاضلة بين الكفاءة الحسابية والقدرة على التعبير عن هذا النموذج، ولكن فقط عدد قليل من العمل إلى حالة أكثر من 1 مليون الكيانات المشهد. بعض أسلوب التضمين باستخدام تقنية مبسطة للحد من النفقات العامة الحسابية (على سبيل المثال، من خلال تبسيط كمية حساب دوري ورقة المنتج الارتباط). ومع ذلك، هذه الأساليب لا تزال صعبة لتمتد إلى مئات الملايين من الكيانات والعلاقات.

وعلى غرار باستخدام شبكة منطق ماركوف ذلك الاحتمال هو الاستدلال المنطقي هو حسابيا المهام مكثفة، مما يجعل المهمة صعبة لأن تمتد إلى كبيرة المعرفة رسم الخرائط على نطاق و. نموذج الشبكة العصبية اقترحت مؤخرا قواعد من قبل جيل بسيط بحث العنف (BF)، الأمر الذي يجعل من الممكن على نطاق واسع في خريطة المعرفة. على سبيل المثال تحاول ExpressGNN استخدام NeuralLP تفسير الفعال للقواعد، ولكن لاتفاق مع البنى المعقدة وعمق متزايد من خريطة المعرفة، وهناك العديد من الاحتياجات البحثية من يكتشفها.

5، وتجميع المعرفة

المعرفة العالمية هو تجميع الأساسية من التطبيقات المستندة إلى المعرفة. على سبيل المثال، على غرار النظام توصية باستخدام خريطة المعرفة "المستخدم - البضائع" التفاعلات، والنص مع تصنيف النص ورسم خرائط المعرفة المشفرة في الفضاء الدلالي. ومع ذلك، تقوم معظم طرق البلمرة المعارف القائمة على آليات الاهتمام والشبكة العصبية تصميم (GNN).

حققت بفضل المحولات ومشتقاته (مثل نموذج بيرت)، اللغة الطبيعية مجتمع أبحاث المعالجة نظرا إلى ما قبل التدريب على نطاق واسع تقدما كبيرا. وجدت دراسة حديثة أن النص غير منظم باستخدام المدمج قبل نموذج التدريب اللغوي يمكن أن تحصل حقا إلى حقيقة أن المعرفة. المعرفة ما قبل التدريب على نطاق واسع هي طريقة الحقن المباشر. ومع ذلك، في وسيلة فعالة والتأويل لإعادة التفكير في طريقة البلمرة فقط هي ذات مغزى.

6 والبناء وديناميكية التلقائي

القائمة خريطة المعرفة تعتمد إلى حد كبير على بنيت يدويا، وهو ارتفاع تكلفة مهمة كثيفة العمالة. تستخدم على نطاق واسع المعرفة ورسم الخرائط في مناطق مختلفة من الذكاء المعرفي، التلقائي بناء المعرفة خريطة من متطلبات كبيرة محتوى غير منظم مجموعة إيابا.

 بحث القلق الرئيسي هو الأخير، تحت إشراف إشارة خريطة المعرفة الحالية، وبناء شبه تلقائيا خريطة المعرفة. وجه متعدد الوسائل والتطبيقات غير متجانسة على نطاق واسع، مؤتمتة المعرفة خريطة البناء لا يزال يواجه تحديات كبيرة.

حاليا، وتركز أبحاث التيار على المعرفة رسم الخرائط ثابتة. القليل من العمل لاستكشاف فعالية مجموعة من توقيت، والمعلومات توقيت وكذلك تعلم تغييرات ديناميكية في الكيان. ومع ذلك، فإن العديد من الوقائع الثابتة فقط في فترة محددة من الزمن.

وبالنظر إلى الخصائص توقيت المعرفة خرائط ديناميكية، سوف تكون قادرة على معالجة أوجه القصور في التمثيل المعارف التقليدية والاستدلال.