1.什么是知识图谱
知识图谱是一种用图谱模型来描述知识和模型世界万物之间的关联关系方法。
知识图谱由节点和边组成。
节点可以是实体（一个人，一部电视剧等）或者抽象的概念（深度学习，人工智能，机器学习等）。
边可以是实体属性（一个人的属性有姓名，年龄，性别等）或者实体间的关系（两个之间的关系：朋友，配偶，敌人等）
2.知识图谱目的
知识图谱旨在从数据中识别、发现和推理事物与概念之间的复杂关系，是事物关系的可计算模型。
3.知识图谱构建
知识图谱的构建涉及知识模型、关系抽取、图存储、关联推理、实体融合等多方面的技术。
4.知识图谱应用
知识图谱的应用涉及语义搜索、智能问答、语言理解、决策分析等多个领域。
5.常见开发的知识图谱
6.知识图谱的技术流程
一般流程：首先确定知识表示模型，然后根据数据来源选择不同的知识获取手段导入知识，接着综合利用知识推理，知识融合，知识挖掘等技术对构建的知识图谱进行质量提升，最后更加场景需求设计不同的知识访和呈现方法，如语义搜索、问答交互、图谱可视化等。下面简要概述这些技术流程的核心技术要素。
- 知识来源：可以从多种来源获取知识图谱数据（文本，结构化数据库，多媒体数据，传感器数据等）
- 知识表示与Schema工程，知识表示是指用计算机符号描述和表示人脑中的知识，以支持机器模拟人的心智进行推理的方法与技术
- 知识抽取：知识抽取按任务可以分为概念抽取、实体识别、关系抽取、事件抽取和规则抽取等
- 知识融合：在构建知识图谱时，可以从第三方知识库产品或已有结构化数据中获取知识输入。
- 知识图谱补全与推理：常用的方法有基于本体推理的补全方法，基于表示和知识图谱嵌入的链接预测，基于图结构和关系路径特征的方法。
- 知识检索与知识分析，基于知识图谱的知识检索的实现形式主要包括语义检索和智能问答。知识图谱和语义技术也被用来辅助做数据分析与决策
7.知识图谱的相关技术
知识图谱是交叉领域，涉及的相关领域包括人工智能、数据库、自然语言处理、机器学习等
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
