Python 實時聊天室搭建：發布訂閱頻道API實戰應用
與數據即服務或信息即服務相反，知識即服務以基于知識的產品的形式提供數據和上下文。與數據一起編碼的上下文是語義網的核心概念，對于智能應用程序至關重要。上下文非常有用，因為它可以幫助最終用戶和智能應用程序處理信息“含義”。
在歷史信息索引（如搜索引擎或庫）依賴于索引或字符串匹配（一組字符或單詞的匹配）的情況下，信息和上下文允許更豐富的能力來大規模組織和過濾信息。
在對作為服務提供者的知識調查中，有兩個主要趨勢很突出。一些提供商依靠人工策展人或主題專家將上下文分層到一組信息上。這些提供商通常是處理相對較小的信息集合的利基提供商。作為服務提供商，這種形式的知識的一個例子可能是自然資源勘探公司。除了環境信號之外，在該領域的多年經驗可能使人們能夠“標記”特別值得注意的數據點，或者能夠提取出其他數據解釋者可能無法看到的模式。
第二組知識作為服務提供商以編程方式為信息添加上下文，特別是人工智能、自然語言處理和機器視覺。作為服務提供商的第二組知識的一個例子包括配備提供語義結果的搜索引擎、提供自然語言處理服務的公司以及知識圖譜的創建者。
知識在歷史上一直是一個難以捉摸的概念。但在實踐中，知識作為服務提供者傾向于提供具有以下特征的服務。這些集群之間的主要區別通常是哪些信息正在被轉化為知識，以及這是人類支持的知識還是以編程方式生成的知識即服務產品。
知識圖譜是機器支持的知識即服務的典型代表。它們采用底層信息源，并將每個信息節點放入關系矩陣中。這提供了上下文。此外，不同實體類型的結構（如本體所描述的那樣）允許以不同的方式表示不同類型的對象。
在 Diffbot?的知識圖譜中，文章實體可能包含作者、情感、發布者、主題標簽、日期等字段。同時，組織實體可能包含諸如融資輪次、員工、地點、子公司和新聞提及等事實。此外，可以鏈接不同的實體類型。例如，一個人可能為一個組織工作。或者一篇文章可能包含一個人作為演講者。
您可以在下面的視頻或我們的知識圖譜本體文檔頁面中找到 Diffbot的知識圖譜實體類型的基本概述。
自然語言處理是機器輔助知識即服務的第二個常見組成部分。如今，組織持有的大部分信息都是非結構化數據的形式。在這種規模下，人工口譯員根本無法跟上。自然語言處理允許以編程方式解析非結構化文檔以提取信息（充其量還包括上下文）。
Diffbot?的自然語言 API?旨在將您選擇的自然語言語料庫轉化為知識圖譜所需的原材料。也就是說，我們的 NL API 提取：
為了讓 NLP 提供對您的工作流程很重要的知識，NLP 必須能夠理解您認為有價值的實體類型。為此， Diffbot的 NL API 允許創建自定義實體類型。這意味著您可以在一系列利基市場和行業中使用基準排名靠前的 NLP 工具。
可以說，公共互聯網是世界上最大的信息來源。但是，在線信息的結構通常不適合以編程方式解析或獲得洞察力。這就是網絡數據提取可以發揮作用的地方。
公共網絡是 Diffbot 知識圖譜的底層來源，它展示了將非結構化數據轉化為信息和上下文（知識）的一種途徑。
對于需要更頻繁地構建 Web 的特定部分或尋求自定義值的團隊，Web 數據提取可以提供更直接、更有影響力的數據源。
Diffbot 的?Crawlbot?與我們的自動提取 API?結合使用，使您能夠快速、重復地抓取所有常見的頁面類型，并從以前未結構化的數據中獲得洞察力。
使用機器視覺和自然語言處理，我們的網絡數據提取套件可以將公共網站轉換為用于新聞監控、市場情報、電子商務使用或機器學習訓練數據的上下文數據源。
原文鏈接：https://blog.diffbot.com/knowledge-graph-glossary/knowledge-as-a-service/
