阿里云天池大赛赛题解析(深度学习篇)--阅读笔记1--赛题一

阿里云天池大赛赛题解析(深度学习篇)–阅读笔记1

[x]表示遇到不懂的知识，将在【知识补充】给出具体讲解。

---

---

前言

如果说机器学习主要解决大数据的应用问题，那么深度学习的出现，则开始解决机器感知问题。

---

提示：以下是本篇文章正文内容，下面案例可供参考

赛题一 瑞金医院MMC人工智能辅助构建知识图谱

本赛题将对知识图谱构建环节[1]中的重要技术—实体识别，进行详细讲解。

背景

糖尿病患者多，病因复杂，表现出的症状多种多样，给糖尿病的诊断和治疗带来了很大的困难。

任务

第一阶段：基于糖尿病临床指南和研究论文的实体标注构建；
第二阶段，基于糖尿病临床指南和研究论文的实体间关系构建。

介绍知识图谱（Knowledge Graph）

发展历史

最开始的目的是用来提高搜索引擎的搜索质量，理解用户查询背后的语义信息。（things not strings）
语义网络（Semantic Network，施事者，事件，受益者，物体）–> 本体（Ontology，确定领域内共同认可的词汇）–> 语义网（Semantic Web，描述万维网中资源和数据之间的关系）

表达方式

如何表达知识？知识图谱主要通过图的形式（节点与边）来结构化地组织知识。
通常使用三元组：源节点，边，目标节点，即主语，谓语，宾语的SPO三元组，是构成知识图谱的最小单位。
通常使用RDF（Resource Description Framework，资源描述框架）来组织三元组，一般用XML语法表示，后续有RDFs出现，且有OWL语言[2]进一步扩展了RDFs。
表示学习[3]能为知识图谱的相关任务带来很大的提升。

构建方式

如何构建知识图谱？构建知识图谱的核心是构建描述知识图谱的SPO三元组。
实体识别：解决S和O的识别问题，主要是确定实体在文本中的边界和分类。
关系抽取：主要是识别给定实体之间的关系，通常由领域内的专业给定。
知识融合；主要目的是对多个不同的知识图谱进行三元组的对齐，来获得更大的知识图谱，主要是实体的对齐。无监督实体对齐：通过对实体提取特征，再根据特征相似度进行聚类来实现对齐。相似度衡量手段有编辑距离[4]、Jaccard系数[5]、余弦相似度[6]等。
指代消解：是信息抽取中的一项关键任务。如一个实体的多种表达方式，还有以代词的形式存在，要准确理解其背后的语义信息。常用的方法有Mention Pair（所有指代词两两组合，再进行正负的二分类）和Mention Ranking（将一个指代词与其他词结合，通过softmax来判断这个指代词与哪一个候选词概率最大）。

知识推理

如何进行知识推理？主要任务是从已知的知识推理出未知的知识（知识图谱补全）和识别已有的错误（质量校验）。方法包括基于符号逻辑的推理和基于表示学习的推理。

知识补充

[1] 知识图谱构建环节：知识建模（约定模式，定义实体、关系、事件）、知识获取（实体识别、关系识别、事件识别）、知识融合（相同形式合并）、知识存储、知识计算（推理，挖掘相关性）、知识应用。
[2] OWL语言：一种定义和实例化web本体的语言，供计算机处理Web信息，比RDF具有更强的机器解释能力。
[3]表示学习：在深度学习领域内，表示是指通过模型的参数，采用何种形式、何种方式来表示模型的输入观测样本X。表示学习指学习对观测样本X有效的表示，是学习一个特征的技术的集合，将原始数据转换成为能够被机器学习来有效开发。
[4]编辑距离是针对二个字符串（例如英文字）的差异程度的量化量测，方式是看至少需要多少次的处理（插入、删除、改写字符）才能将一个字符串变成另一个字符串。
[5]Jaccard系数用于比较有限样本集之间的相似性与差异性。Jaccard系数值越大，样本相似度越高。定义为：给定两个集合A,B，Jaccard 系数定义为A与B交集的大小与A与B并集的大小的比值。
[6]余弦相似度，又称为余弦相似性，是通过计算两个向量的夹角余弦值来评估他们的相似度。