怎样将大数据转化成结构化信息？

在录入一些小我私人书息的时辰，可以在表格中计划好表头，按条目别离输入姓名、年数、出生地等信息，计较性可以或许很轻易地读取这些信息并加以整合、应用。而假如用一段笔墨“小A于1982年出生在杭州”来描写的话，计较机读守信息的时辰也许就会“懵圈”。

为什么?由于表格是有布局的，而笔墨长短布局性的。对付今朝的人工智能来说，非布局性数据只是数据，还不是常识，更不能被用于决定了。

个中要害的缘故起因就是数据与常识之间的转化还不是很顺畅。在没有“进修”之前，计较机不知道西湖区是杭州的一个城区，无法判定一个名词是人名、产物名抑或是公司名，而视频壹贝偾一段数据流。

为了办理这个困难，2019年12月，以浙江大学计较机学院庄越挺传授作为首席科学家的科技创新2030“新一代人工智能”首批重大项目——“可泛化的规模常识进修与计较引擎”正式启动。

个中，常识图谱作为最重要的常识暗示方法，成为研究热门。“简朴地说，常识图谱就是对信息的布局化表达，好比把一篇文章‘改成’一个表格。”庄越挺说，“今朝OpenKS已根基支持常识进修与计较全流程首要使命，涉及多模态数据常识抽取、常识表征、漫衍式常识进修与计较、常识处事与智能应用等环节。”

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!