• 大綱：

• 1、基於非結構話資料的知識抽取

• 2、基於結構化資料的知識抽取

• 3、知識融合與質量評估

基於非結構化資料的知識抽取(比重比較大)

lstm學習特徵輸入crf生成更復雜的特徵

關係抽取抽取的是兩個實體之間滿足的什麼關係

事件抽取更泛化一些，多個實體，多個關係

不同事件抽取內容引數要求不同

不同事件有不同的觸發詞，觸發詞包含哪些元素

深度學習特徵抽取

CNN:Event Extraction via Dynamic Multi-Pooling Convolutional

RNN：

Joint Event Extraction via Recurrent Neural Networks

小結：

     非結構化資料的知識抽取

     實體識別：

            基於規則和詞典的方法

            基於統計方法

            基於深度學習

    關係抽取

            規則引擎：Ratel

            遠端監督

     事件抽取

            預定義事件的模版

            觸發詞－>事件型別 －>引數識別 －>引數角色識別

基於結構化資料的知識抽取（面向物件資料庫資料）

知識融合與質量評估

不同資料來源資料進行合併

小結：

知識圖譜構建是知識圖譜應用的基礎

自動化程度和構建笑了直接影響了知識圖譜的應用成本

領域知識圖譜的業務複雜性影響著構建的難度