知识就是力量，人工智能想要让计算机像人一样思考，同样需要知识的力量。计算机实现人工智能需要哪些知识，这些知识要如何表示、获取、计算以及使用，都是人工智能的重要研究课

    题。知识图谱作为人类知识结构化形成的知识系统，是人工智能研究和智能信息服务的基础核心技术，被广泛应用于搜索引擎、问答系统、智能对话系统以及个性化推荐等知识驱动的领域

    。内容包括语言知识和世界知识两种类型知识，以及这两类知识在表示学习、自动获取与计算应用方面的新探索。作为数据智能与知识智能的前沿研究方向，知识图谱与深度学习的融合互

    动是人工智能的重要发展趋势。
    111.png
    《知识图谱与深度学习》PDF+刘知远
    《知识图谱与深度学习》PDF，259页，有书签，文字可复制，作者：刘知远等
    下载: https://pan.baidu.com/s/1OKk9AnrpnM7emeqGgNXxJw
    提取码: cpa9
    222.png

    知识图谱旨在将人类知识组织成结构化知识系统，是人工智能实现真正意义的理解、记忆与推理的重要基础。知识图谱作为典型的符号表示系统，如何有效用于机器学习算法，面临着知识

    表示、知识获取和计算推理等方面的诸多挑战。近年来，以神经网络为代表的深度学习技术引发了人工智能的新一轮浪潮。对于人工智能基础研究具有一定的参考意义，既适合专业人士了

    解知识图谱、深度学习和人工智能的前沿热点，也适合对人工智能感兴趣的本科生和研究生作为学习读物。
    333.png
    数据与知识，是实现人工智能的两大基石。对大规模数据的学习与利用，离不开深度学习技术。但要实现有理解能力的人工智能，还需要各类知识的支持。最终，我们需要探索出一条能够

    同时充分利用数据与知识的方案，才能实现有理解能力的人工智能，具有较好的鲁棒性和可解释性。我们姑且将面向人工智能的知识计算研究称为知识智能，涵盖知识表示、获取、计算和

    推理应用等研究课题。其中，知识表示旨在探索如何对不同类型知识进行组织和表示，支持计算机最大化地利用这些知识；知识获取旨在探索如何从互联网大规模的结构化、半结构、无结

    构数据中自动获取我们需要的知识；知识计算和推理则旨在探索如何更好地利用大规模知识库进行各类知识计算与推理应用，支持人工智能实现从数据智能到知识智能的跃迁。
    777.png