摘要
《知识图谱与深度学习》总结介绍了清华大学自然语言处理与社会人文计算实验室(THUNLP)在知识图谱与深度学习方面的研究成果,围绕世界知识与语言知识这两类对自然语言理解至关重要的知识系统,介绍了在知识表示、知识获取和计算推理方面的研究成果,展现了数据驱动的深度学习与符号表示的知识图谱之间相互补充和促进的技术趋势。其中,知识表示旨在对符号化的知识图谱进行高效表征,这是在深度学习中充分利用大规模知识图谱的计算基础;知识获取旨在从大规模的有结构、半结构和无结构化数据中自动获取知识,辅以少量人工校验,是构建大规模知识图谱的必由之路;知识计算旨在系统探索如何在不同自然语言处理任务中充分利用这些知识,实现知识指导的自然语言深度理解。
出处
《中文信息学报》
CSCD
北大核心
2020年第6期4-4,共1页
Journal of Chinese Information Processing
