Konstrukcja grafu wiedzy z tekstu
Konstrukcja grafu wiedzy to potok wydobywania informacji z tekstu, który przekształca nieustrukturyzowany tekst w ustrukturyzowany graf encji i relacji między nimi. Opierając się na syntezie Hogan i in. (2021) oraz przeglądzie uczenia maszynowego dla relacji Nickel i in. (2016), wiedza jest reprezentowana jako węzły (encji, takich jak ludzie, miejsca, organizacje) połączone etykietowanymi krawędziami (relacjami), i służy do wyszukiwania semantycznego, systemów rekomendacyjnych i wnioskowania.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- Hogan, A. et al. (2021). Knowledge Graphs. ACM Computing Surveys, 54(4), 1-37. DOI: 10.1145/3447772 ↗
- Nickel, M. et al. (2016). A Review of Relational Machine Learning for Knowledge Graphs. Proceedings of the IEEE, 104(1), 11-33. DOI: 10.1109/JPROC.2015.2483592 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). Knowledge Graph Construction from Text. ScholarGate. https://scholargate.app/pl/text-mining/knowledge-graph-nlp
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Łączenie encjiEksploracja tekstu↔ compare
- Rozpoznawanie nazw własnych (NER)Eksploracja tekstu↔ compare
- Ekstrakcja relacjiEksploracja tekstu↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →