书评·广告人工智能时代知识图谱与深度学习的相互交融———评《知识图谱与深度学习》李明轩１，李峰２（国网新疆电力有限公司电力科学研究院，乌鲁木齐８３００１１）随着科技水平的提高，世界迈入人工智能时代，在大数据、云计算等信息技术的辅助支持下，各行业计算机、机械设备都更加智能化。其中最突出的表现为，人工智能机器通过深度学习取得了更加显著的成绩，而这离不开知识图谱技术的应用，科学家将知识图谱与深度学习相融合，利用大数据挖掘促使机器学习、构建深度学习模型，从而为人工智能的发展探索出新的方向。本文参考由刘知远、韩旭、孙茂松编著，清华大学出版社出版的《知识图谱与深度学习》一书，探究知识图谱与深度学习的重要作用，对未来人工智能如何实现进一步发展展开研究。该书分为上、下２篇，共８个章节。第一章为绪论，简单介绍了知识图谱的含义与深度学习。第一篇为世界知识图谱，包括第二章至第四章。第二章介绍了世界知识的表示学习，描述了基于复杂关系、属性关系及实体描述信息、图像信息等构建的算法模型。第三章介绍了基于不同注意力机制的关系抽取，说明了世界知识如何自动获取。第四章为世界知识的计算应用，介绍了实体对齐、信息检索等算法。第二篇为语言知识图谱，包括第五章至第八章。第五章介绍了语言知识的表示学习，并构建了基于义原的表示学习算法模型。第六章为语言知识的自动获取，介绍了义原预测的不同算法。第七章对义原驱动下的词典扩展与神经语言模型进行了详细说明。第八章为总结，探讨如何使知识类型、结构及获取与指导更加全面、复杂、有效。知识图谱（ｋｎｏｗｌｅｄｇｅｇｒａｐｈ），又称科学知识图谱，是一项用于绘制、显示学科研究中不同主体之间结构关系的工具，常用线条、结点将作者、文献及关键词等连接起来，构建某学科的发展历史、知识架构图谱。具体而言，知识图谱是指将某一学科中的很多复杂知识相互连接而构建的图形，人们通过搜索可获取有关信息，其搜索范围越大、次数越多，所获取的信息就越全面、越有深度。这项技术既涉及学科理论与文献，也涉及数据挖掘、文献计量学分析及信息可视化技术，是大众获取知识、深层学习的关键。深度学习则是机器学习领域中的概念，计算机模拟人工神经网络架构，对问题的认知逐层深化，从而解决问题，并学会新的技能或知识。在人工智能时代，知识图谱的应用具有深远影响，用户通过Ｇｏｏｇｌｅ、Ｂａｉｄｕ等搜索引擎可对某学科知识进行搜索，而知...
