Datos de texto (semi) estructurado: Inforbox en conocimiento de enciclopedia, tablas estandarizadas, bases de datos, redes sociales, etc.
Datos de texto no estructurados: páginas web, noticias, redes sociales, periódicos, etc.
Datos multimedia: imágenes, videos

1.2 De la extracción de información a la extracción de conocimiento

IE (extracción de información): no estructurado en estructura para extracción
KE (extracción de conocimientos): extraído en el almacenamiento de datos que se pueden inferir fácilmente

Diferencia: la extracción de información obtiene datos estructurados y la extracción de conocimiento obtiene conocimiento (representación del conocimiento) que puede ser entendido y procesado por máquinas .
Relaciones: la extracción de conocimiento se basa en la extracción de información. Las tecnologías de procesamiento del lenguaje natural, las envolturas basadas en reglas y
el aprendizaje automático se utilizan comúnmente .

1.3 Ejemplos de extracción de conocimiento

1.4 El desafío de la extracción de conocimiento

1.4.1 Conocimientos poco claros:

Falta de conocimiento

La relación es de hecho
Faltan etiquetas / atributos
Entidad faltante

Inconsistencia del conocimiento

2 Escenarios y métodos de extracción de conocimiento

2.1 Extracción de conocimiento de datos estructurados

2.1.1 Extraer conocimiento de bases de datos relacionales

Principio de extracción

Clase de mesa
Propiedad de columna
Recurso de fila / instancia
Valor de propiedad de celda)
Clave externa: referencia

Extraer conocimiento de bases de datos relacionales

Criterios de extracción:

Mapeo directo
R2RML

Herramienta de extracción

D2R, Vrituoso, Orcle SW, Morph 等
Lenguaje de mapeo R2RML

Entrada: tabla de base de datos, vista,
salida de consulta SQL . Triplete

Ejemplos:

Dos tablas de bases de datos relacionales "Empleado" y "Departamento"

El RDF asignado a la tabla de la base de datos

paso;

1 clase de extracción
2 Extraer atributos
3. Extraer ejemplos
4. Establecer relaciones entre clases

2.2 Extracción de conocimiento para datos semiestructurados

Gráfico de conocimiento de Wikipedia multilingüe a gran escala, una versión estructurada de Wikipedia

2.2.1 conjunto de datos básicos de datos vinculados

Cubre 127 idiomas, 28 millones de entidades, cientos de millones de triples y admite la descarga completa de conjuntos de datos. Patrones fijos para extraer información de la entidad, incluido el resumen, el cuadro de información, la categoría, el enlace de la página, etc.
Como la extracción de conocimientos de enciclopedia