知識圖譜以結構化的方式描述客觀世界中的概念、實體及其間的關係，將萬維網的信息表達成更接近人類認知世界的形式，提供了一種更好地組織、管理和理解萬維網上海量信息的能力。
知識圖譜可以由任何機構和個人自由構建，其背後的數據來源廣泛、質量參差不齊，導致它們之間存在多樣性和異構性。例如，對於相似領域，通常會存在多個不同的概念或實體指稱真實世界中的相同事物。
本ppt首先簡要介紹了語義網、知識圖譜及知識圖譜融合問題，然後介紹了面向知識圖譜模式層的本體匹配方法，接下來介紹了面向知識圖譜實例層的實體對齊方法，特別涉及近期基於表示學習的實體對齊方法，還介紹了知識融合過程中的真值推斷方法，最後做了總結和展望。
內容引自：
胡偉. 知識圖譜融合方法. CCF 學科前沿講習班, 2019
( Wei Hu. Tutorial on Knowledge Graph Fusion. The CCF Advanced Disciplines Lectures, 2019 )
ppt完整版下載地址：https://www.toutiao.com/a1661206798360580
分享到:
閱讀更多 深度學習與NLP 的文章
