机械臂三维模型在vtk与python中的可视化实现及其面临的数据相关挑战详解

第六章 知识图谱存在的挑战 一、数据相关的挑战 数据是知识图谱的基石,知识图谱的数据来源主要有两种：自有数据 （自身采集 或拥有等）和外源数据。自有数据由建设者因特定的业务需 求而采集获取或经过特定加工处理形成且被自己所拥有的数据；外源数据 是通过互联网爬取、开放共享或和数据交易所获得的数据。实际应用中， 数据来源多样性造成数据标准不统一、数据质量差，导致多源数据歧义、 噪声大、数据间关联关系不明确等问题。数据歧义和关系不明确对知识图 谱构建和推理形成了巨大的阻碍，对知识图谱应用成效的提升和技术的进 步提出了巨大的挑战。 1、多源数据的歧义、噪声大 多源数据依托于不同的业务目需求和工具产生，行业跨度大且缺乏 统一的业务数据模型标准和描述规范，异构、歧义、噪声大特征显著，尤 其是通过互联网获取的网络知识。对于知识图谱而言，数据歧义体现为实 体、概念的属性描述缺乏精确性、一致性或者实体间关系错置、扭曲，导 致图谱结构混乱及语义描述相互冲突、推理机制紊乱、推理结果扭曲失 真，最终对图谱应用成效产生巨大副作用。噪声大是互联网数据一大显著 特征，海量的噪声数据稀释了数据信息内容和价值密度。数据充斥大量的 噪声，将会在图谱中产生大量孤立、无用的实体和属性关系，这些实体和 关系还会占据大量的存储空间和关系路径，使图谱实体层变得冗余、繁 杂，不仅不能加快图谱推理速率、提升推理精度，反而导致存储资源的浪 费和图谱推理应用的低效。 2、数据关联性不明确 关联是知识图谱的核心和本质所在，知识图谱依赖于关系连接的方式