人工智能驱动的知识图表
知识图:它是什么、兴起和目的
知识图(KG)是一个组织的语义网络，一个主题，其中节点被称为实体，边是关系。它是一个框架，包含一组相关但异构的数据，如图像、声音、文本、视频、数字等。—这给出了语义解释，并让研究人员对图形数据运行复杂的算法来产生洞察力。RDF(资源描述框架)三元组存储是一个图形数据库，它将数据存储为对象或RDF三元组的网络，这些对象或RDF三元组将信息分成主-谓-对象表达式。
图论之父、数学家莱昂哈德·欧拉用图计算了普鲁士皇帝访问柯尼希斯堡的最短距离。随着大数据革命的到来，组织开始超越传统的关系数据库，如RDBMS。NoSQL运动让组织可以在数据湖中存储结构化和非结构化数据。不同类型的数据库，如用于文档的MongoDB和用于图形数据库的Neo4j，都具有图形存储和处理能力。然而，由于缺乏正式的数据模式和一致性来运行复杂的分析模型，他们并没有摆脱问题。KGs填补了这一空白，并立即成为所有大型组织的核心。
KGs有三重目标。首先，KG通过搜索帮助用户更快更容易地发现信息。第二，KG在开发智能推荐引擎时提供侧面和上下文信息。最后，它可以通过知识图问答(KGQA)来帮助回答查询和进行预测。
开发知识图表
自动知识获取和语义映射是开发知识管理系统的支柱。用于知识获取的本体工程的过程从本体学习开始，本体学习旨在自动学习相关概念并建立它们之间的关系。为了实现这一点，首先分析语料库以识别搭配，然后检索语义图。实体丰富通过爬行语义数据和合并来自相关本体的新概念而发生。
集成来自结构化数据源的异构数据需要将本地模式映射到全局模式。Global-as-view (GAV)是一种基于中介的数据集成策略，它实现了全局模式作为源模式的视图，将全局查询转换为特定于源的查询。检测语义类型是自动语义映射的第一步，接下来是推断语义关系。
数据最初使用RDF建模，随后使用RDF模式(RDFS ), Web本体语言(OWL)向模式添加语义。语义信息也可以通过关系向量以分层的方式映射。图形神经网络(GNNs)-像图形卷积网络(GCNs)或门控图形神经网络-用于图形数据的对象检测和图像分类。
企业知识图
当今时代的组织都在追求发现隐藏的信息，因此他们通过整合、标准化和协调将所有孤立的数据联系在一起。因此，企业知识图提供了来自图中业务数据的知识的显式表示。集成数据企业拥有知识网络的力量，能够发现关键的隐藏模式，从而将其数据货币化。
真实世界知识图
在当今世界，我们被数据淹没了。KGs为与多个应用程序连接的数据赋予了意义和目的，下面分享了其中的一些应用程序。
金融服务知识图表
KGs在金融服务中有广泛的应用，从欺诈检测和税务计算到财务报告和股票价格预测。通过检查子图的拓扑结构，可以很容易地识别由几个集体实施欺诈的人组成的欺诈环。
股票价格可以通过联系与各个公司的新闻相关的情绪来预测。对冲基金和银行利用KGs提供的替代数据映射现有模型，从而利用KGs进行更好的预测。
医学科学
生物医学概念和关系以节点和边的形式表示。通过应用KGs，医学成像分析可用于疾病分类、疾病药物治疗和分割、报告生成和图像检索。来自统一医学语言系统(UMLS)的文本医学知识(TMK)被分析以生成关键医学见解和个性化患者报告。
实时供应链管理
供应链组织使用KGs来优化库存、补货、网络和分销管理以及运输管理。连接的供应链KG从生产的制造KG中获取输入，包括人员，加上零售KG，零售KG包括实时和预测需求，以便更好地预测和管理。
结论
知识图具有创建虚拟世界的能力，在虚拟世界中，所有实体都通过一种已证实的关系连接在一起。复杂的机器学习算法被应用来修剪那些关系概率很小的连接。因此，通过KG可以建立世界上所有对象之间的关系。
利用所有过去和现在的数据，KG通过识别模式产生深刻的见解。一公斤也帮助我们预测未来的所有相关数据导致一种现象。随着以下道路的分享，未来的KGs可能会更加强大:
- 事物图表(GoT) –GoT是一个创新项目，旨在融合物联网(IoT)的大容量流数据和过去的静态数据。
- 公斤的量子人工智能 –Quantum AI可以利用量子计算的能力在KG上运行GNNs，并可以获得超出传统计算能力的结果。
如果这些利益被用于社会福利，一个所有信息都通过一公斤连接起来的世界将会变得非常美好。KG之上的AI，如果使用意图正确，会让世界变得更美好。
