从自然语言到机器语言
知识计算引擎驱动下的
多用户共建和共享的知识圈建设
模型
知识之间的依赖关系
知识之间的相交关系
知识的细分和重用
知识间的包含和依赖
数据
数据结构设计
目前设计的样例,已初用于教育领域的课程设置和题库建设...
呈现
依赖图 –Transitive Reduction
依赖关系图设计-2d/3d
3d—must view over time on 2d screen
应用
不同语言的呈现和转换
存储为机器语言,知识可计算
表现为自然语言,可以供人阅读
解读自然语言为知识
在不同自然语言间转换
在不同形式间转换:数据可视化,声音,视频,...
教育——把问题与知识图谱关联起来
试卷
答案
课程设置和习题
愿景
现有知识库
Google
Wolfram Alpha
Wikipedia,
百度百科
知乎
学术期刊, eg. Arxive.org
但在巨人面前,我们对知识引擎有自己的一点想法
我们在寻找小贝壳
关心知识的层次
强调知识的依赖关系
让多用户协作 建模
有不同知识格式:
问题类别和对应讨论
判断题—辩论;
证明题—观点
数据化,把非结构化数据中的尽可能多的结构化
Editor,Programmer, User
我们可以基于Web技术、模块化、层次化(从小扩展到大)
插图,公式,参考文献引用
利于交换和知识传播
减轻知识工作者的负担(减少成本、避免重复劳动-可重用)
谢谢观赏!
让我们一起让知识有力!