知识图谱

知识

    知识是人类对信息进行处理之后的认知和理解

    对数据和信息的凝练、总结后的成果

图谱

    图谱是一些事物与另一些事物之间相互连接的结构

    图谱通常由一些结点和连接这些结点的边组成

    实体（节点）指的是现实世界中的事物

    关系（边）则用来表达不同实体之间的某种联系

知识图谱

    知识图谱把图形学、信息可视化技术等理论方法与计量学引文分析、共现分析等方法结合

    利用可视化的图谱形象地展示学科的整体知识架构，达到多学科融合目的的现代理论

    本质上，是一种揭示实体之间关系的语义网络

知识图谱搭建

    核心在于对业务的理解以及对知识图谱本身的设计

    设计离不开对业务的深入理解以及对未来业务场景变化的预估

    一个完整的知识图谱包含以下步骤：

    定义具体的业务问题—数据的收集与预处理—知识图谱的设计—把数据存入知识图谱—上层应用的开发以及系统的评估

知识图谱的应用

电商推荐系统

机器翻译

3种常用功能：

    文字翻译、语音翻译、回译技术

机器翻译的应用：

图片翻译

语种识别

智能机器人

智能机器人是具有感知、思维和行动功能的机器

智能机器人的分类

    传感型、交互型、自主型

智能机器人的生活应用

智能对话机器人

自动驾驶

自动驾驶的发展路径有单车智能、车路协同、联网云控等

自动驾驶等级

    L1 L2 L3 L4

自动驾驶的软硬件系统

软件系统

硬件系统

    感知层、决策层、控制层

自动驾驶应用

    智能自动驾驶物流车

智能开放搜索

    以数据挖掘与知识发现为主要手段，加上自然语言理解、智能搜索代理、多媒体信息检索等技术的应用

    常见的智能搜索引擎关键技术包括全文搜索技术、元搜索技术、目录搜索技术、分布式搜索技术

智能推荐

信息过载、流量分配

    人与信息的连接器，用已有的连接去预测未来用户和物品之间会出现的连接

    本质上处理的是信息，它的主要作用是在信息生产方和信息消费方之间搭建起桥梁，从而获取人的注意力

实现流程：

    通过收集不同来源的数据汇聚成推荐算法需要的原始数据

    通过特征工程对原始数据处理生成最终特征

    再通过选择合适的推荐算法对特征进行训练获得最终的推荐模型

    最后根据某个用户的特征，将特征输入至推荐服务系统获得该用户的推荐结果

数据管理：

推荐算法：

    基于关联规则的智能推荐算法在电商领域应用较为广泛

    关联规则的目的是挖掘数据之间的联系