知識(shí)圖譜（Knowledge graph）首先是由Google提出來(lái)的，大家知道Google是做搜索引擎的，知識(shí)圖譜出現(xiàn)之前，我們使用google、百度進(jìn)行搜索的時(shí)候，搜索的結(jié)果是一堆網(wǎng)頁(yè)，我們會(huì)根據(jù)搜索結(jié)果的網(wǎng)頁(yè)題目再點(diǎn)擊鏈接，才能看到具體內(nèi)容，2012年google提出Google Knowldge Graph之后，利用知識(shí)圖譜技術(shù)改善了搜索引擎核心，表現(xiàn)出來(lái)的效果就是我們現(xiàn)在使用搜索引擎進(jìn)行搜索的時(shí)候，搜索結(jié)果會(huì)以一定的組織結(jié)構(gòu)呈現(xiàn)。
辛格爾博士對(duì)知識(shí)圖譜的介紹很簡(jiǎn)短：things，not string。這抓住了知識(shí)圖譜的核心，也點(diǎn)出了知識(shí)圖譜加入之后搜索發(fā)生的變化，以前的搜索，都是將要搜索的內(nèi)容看作字符串，結(jié)果是和字符串進(jìn)行匹配，將匹配程度高的排在前面，后面按照匹配度依次顯示。利用知識(shí)圖譜之后，將搜索的內(nèi)容不再看作字符串，而是看作客觀世界的事物，也就是一個(gè)個(gè)的個(gè)體。搜索比爾蓋茨的時(shí)候，搜索引擎不是搜索“比爾蓋茨”這個(gè)字符串，而是搜索比爾蓋茨這個(gè)人，圍繞比爾蓋茨這個(gè)人，展示與他相關(guān)的人和事，左側(cè)百科會(huì)把比爾蓋茨的主要情況列舉出來(lái)，右側(cè)顯示比爾蓋茨的微軟產(chǎn)品和與他類似的人，主要是一些IT行業(yè)的創(chuàng)始人。一個(gè)搜索結(jié)果頁(yè)面就把和比爾蓋茨的基本情況和他的主要關(guān)系都列出來(lái)了，搜索的人很容易找到自己感興趣的結(jié)果。
查找關(guān)于知識(shí)圖譜的資料，可以找到不少的相關(guān)定義：
引用維基百科的定義：
The Knowledge Graph is a knowledge base used by Google and its services to enhance its search engine’s results with information gathered from a variety of sources.
譯：知識(shí)圖譜是谷歌及其提供的服務(wù)所使用的知識(shí)庫(kù)，目的是通過(guò)從各種來(lái)源收集信息來(lái)增強(qiáng)其搜索結(jié)果的展示。
引用百度百科的定義：
知識(shí)圖譜（Knowledge Graph），在圖書情報(bào)界稱為知識(shí)域可視化或知識(shí)領(lǐng)域映射地圖，是顯示知識(shí)發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，用可視化技術(shù)描述知識(shí)資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識(shí)及它們之間的相互聯(lián)系。
知識(shí)圖譜是通過(guò)將應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化技術(shù)、信息科學(xué)等學(xué)科的理論與方法與計(jì)量學(xué)引文分析、共現(xiàn)分析等方法結(jié)合，并利用可視化的圖譜形象地展示學(xué)科的核心結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域以及整體知識(shí)架構(gòu)達(dá)到多學(xué)科融合目的的現(xiàn)代理論。它能為學(xué)科研究提供切實(shí)的、有價(jià)值的參考。
引用學(xué)術(shù)/學(xué)位論文的定義：
知識(shí)圖譜，是結(jié)構(gòu)化的語(yǔ)義知識(shí)庫(kù)，用于以符號(hào)形式描述物理世界中的概念及其相互關(guān)系，其基本組成單位是“實(shí)體—關(guān)系—實(shí)體”三元組，以及實(shí)體及其相關(guān)屬性—值對(duì)，實(shí)體間通過(guò)關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀的知識(shí)結(jié)構(gòu)。（劉嶠, 李楊, 段宏, 等. 知識(shí)圖譜構(gòu)建技術(shù)綜述[J]. 計(jì)算機(jī)研究與發(fā)展, 2016, 53(3): 582-600.）
知識(shí)圖譜就是展示知識(shí)發(fā)展過(guò)程與屬性聯(lián)系的一系列不同圖形，再加以相應(yīng)的可視化手段把這一系列圖形表示的這些知識(shí)實(shí)體與知識(shí)實(shí)體或者知識(shí)實(shí)體與知識(shí)屬性之間的聯(lián)系展示出來(lái)。知識(shí)圖譜的本質(zhì)就是一種網(wǎng)狀知識(shí)庫(kù)，它是由一個(gè)個(gè)知識(shí)三元組組成。目前知識(shí)三元組的形式有兩種,分別是<實(shí)體1，關(guān)系，實(shí)體2>和<實(shí)體1，屬性1，屬性值>。例如在本文所選的鐵路領(lǐng)域內(nèi)，這兩種知識(shí)三元組分別可以是<中國(guó)鐵路呼和浩特局集團(tuán)公司，管轄，集寧機(jī)務(wù)段>，<東風(fēng) 4B 型內(nèi)燃機(jī)車，設(shè)計(jì)時(shí)速，120km/h>（客運(yùn)型）和<東風(fēng) 4B 型內(nèi)燃機(jī)車，設(shè)計(jì)時(shí)速，100km/h>（貨運(yùn)型）。（學(xué)位論文：基于鐵路領(lǐng)域的知識(shí)圖譜研究與實(shí)現(xiàn)）
引用著作的定義：
知識(shí)圖譜是一種用圖模型來(lái)描述知識(shí)和建模世界萬(wàn)物之間的關(guān)聯(lián)關(guān)系的技術(shù)方法。知識(shí)圖譜由節(jié)點(diǎn)和邊組成。節(jié)點(diǎn)可以是實(shí)體，如一個(gè)人、一本書等，或是抽象的概念，如人工智能、知識(shí)圖譜等。邊可以是實(shí)體的屬性，如姓名、書名或是實(shí)體之間的關(guān)系，如朋友、配偶。知識(shí)圖譜的早期理念來(lái)自Semantic Web（語(yǔ)義網(wǎng)絡(luò)），其最初理想是把基于文本鏈接的萬(wàn)維網(wǎng)落轉(zhuǎn)化為基于實(shí)體鏈接的語(yǔ)義網(wǎng)絡(luò)。（王昊奮，知識(shí)圖譜 方法、實(shí)踐與應(yīng)用）
引用互聯(lián)網(wǎng)博客的解釋：
知識(shí)圖譜：是結(jié)構(gòu)化的語(yǔ)義知識(shí)庫(kù)，用于迅速描述物理世界中的概念及其相互關(guān)系。（鏈接：通俗易懂解釋知識(shí)圖譜）
知識(shí)圖譜本質(zhì)上是語(yǔ)義網(wǎng)絡(luò)（Semantic Network）的知識(shí)庫(kù).。（鏈接：這是一份通俗易懂的知識(shí)圖譜技術(shù)與應(yīng)用指南）
總的來(lái)說(shuō)，知識(shí)圖譜本質(zhì)上是一種語(yǔ)義網(wǎng)絡(luò)，用圖的形式描述客觀事物，這里的圖指的是數(shù)據(jù)結(jié)構(gòu)中的圖，也就是由節(jié)點(diǎn)和邊組成的，這也是知識(shí)圖譜（Knowledge Graph）的真實(shí)含義。知識(shí)圖譜中的節(jié)點(diǎn)表示概念和實(shí)體，概念是抽象出來(lái)的事物，實(shí)體是具體的事物；邊表示事物的關(guān)系和屬性，事物的內(nèi)部特征用屬性來(lái)表示，外部聯(lián)系用關(guān)系來(lái)表示。很多時(shí)候，人們簡(jiǎn)化了對(duì)知識(shí)圖譜的描述，將實(shí)體和概念統(tǒng)稱為實(shí)體，將關(guān)系和屬性統(tǒng)稱為關(guān)系，這樣就可以說(shuō)知識(shí)圖譜就是描述實(shí)體以及實(shí)體之間的關(guān)系。實(shí)體可以是人，地方，組織機(jī)構(gòu)，概念等等，關(guān)系的種類更多，可以是人與人之間的關(guān)系，人與組織之間的關(guān)系，概念與某個(gè)物體之間的關(guān)系等等。
知識(shí)圖譜是由實(shí)體和實(shí)體的關(guān)系組成，通過(guò)圖的形式表現(xiàn)出來(lái)，那么實(shí)體和實(shí)體關(guān)系的這些數(shù)據(jù)在知識(shí)圖譜中怎么組織呢，這就涉及到三元組的概念，在知識(shí)圖譜中，節(jié)點(diǎn)-邊-節(jié)點(diǎn)可以看作一條記錄，第一個(gè)節(jié)點(diǎn)看作主語(yǔ)，邊看作謂語(yǔ)，第二個(gè)節(jié)點(diǎn)看作賓語(yǔ)，主謂賓構(gòu)成一條記錄。比如曹操的兒子是曹丕，曹操是主語(yǔ)，兒子是謂語(yǔ)，曹丕是賓語(yǔ)。再比如，曹操的小名是阿瞞，主語(yǔ)是曹操，謂語(yǔ)是小名，賓語(yǔ)是阿瞞。知識(shí)圖譜就是由這樣的一條條三元組構(gòu)成，圍繞著一個(gè)主語(yǔ)，可以有很多的關(guān)系呈現(xiàn)，隨著知識(shí)的不斷積累，最終會(huì)形成一個(gè)龐大的知識(shí)圖譜，知識(shí)圖譜建設(shè)完成后，會(huì)包含海量的數(shù)據(jù)，內(nèi)涵豐富的知識(shí)。
知識(shí)圖譜構(gòu)建完成之后，主要用在哪些地方，比較典型應(yīng)用是語(yǔ)義搜索、智能問答、推薦系統(tǒng)等方面。知識(shí)圖譜是一個(gè)具有本體特征的語(yǔ)義網(wǎng)絡(luò)，可以看成是按照本體模式組織數(shù)據(jù)的知識(shí)庫(kù)，以知識(shí)圖譜為基礎(chǔ)進(jìn)行搜索，可以根據(jù)查詢的內(nèi)容進(jìn)行語(yǔ)義搜索，查找需要找的本體或者本體的信息，這種語(yǔ)義搜索功能在google、百度、阿里巴巴等數(shù)據(jù)量大的公司里得到應(yīng)用。智能問答，和語(yǔ)義搜索類似，對(duì)于提問內(nèi)容，計(jì)算機(jī)首先要分析提問問題的語(yǔ)義，然后再將語(yǔ)義轉(zhuǎn)換為查詢語(yǔ)句，到知識(shí)圖譜中查找，將最貼近的答案提供給提問者。推薦系統(tǒng)首先要采集用戶的需求，分析用戶的以往數(shù)據(jù)，提取共同特征，然后根據(jù)一定的規(guī)則，對(duì)用戶提供推薦的產(chǎn)品。比如淘寶中記錄用戶經(jīng)常購(gòu)買的商品，經(jīng)常瀏覽的商品，提取這些商品的共同特征，然后給這個(gè)用戶打上標(biāo)簽，然后就給用戶推薦具有類似特征的商品。
知識(shí)圖譜主要反映的事物之間的關(guān)系，對(duì)于和關(guān)系鏈條有關(guān)的場(chǎng)景，也可以用知識(shí)圖譜解決，一些應(yīng)用場(chǎng)景包括反欺詐、不一致性驗(yàn)證、異常分析、客戶管理等
知識(shí)圖譜由數(shù)據(jù)層（data layer）和模式層（schema layer）構(gòu)成。
模式層是知識(shí)圖譜的概念模型和邏輯基礎(chǔ)，對(duì)數(shù)據(jù)層進(jìn)行規(guī)范約束. 多采用本體作為知識(shí)圖譜的模式層，借助本體定義的規(guī)則和公理約束知識(shí)圖譜的數(shù)據(jù)層。也可將知識(shí)圖譜視為實(shí)例化了的本體，知識(shí)圖譜的數(shù)據(jù)層是本體的實(shí)例。如果不需支持推理, 則知識(shí)圖譜(大多是自底向上構(gòu)建的) 可以只有數(shù)據(jù)層而沒有模式層。在知識(shí)圖譜的模式層，節(jié)點(diǎn)表示本體概念，邊表示概念間的關(guān)系。
在數(shù)據(jù)層, 事實(shí)以“實(shí)體-關(guān)系-實(shí)體”或“實(shí)體-屬性-屬性值”的三元組存儲(chǔ)，形成一個(gè)圖狀知識(shí)庫(kù). 其中，實(shí)體是知識(shí)圖譜的基本元素，指具體的人名、組織機(jī)構(gòu)名、地名、日期、時(shí)間等。關(guān)系是兩個(gè)實(shí)體之間的語(yǔ)義關(guān)系，是模式層所定義關(guān)系的實(shí)例。屬性是對(duì)實(shí)體的說(shuō)明，是實(shí)體與屬性值之間的映射關(guān)系。屬性可視為實(shí)體與屬性值之間的 hasValue 關(guān)系，從而也轉(zhuǎn)化為以“實(shí)體-關(guān)系-實(shí)體”的三元組存儲(chǔ)。在知識(shí)圖譜的數(shù)據(jù)層，節(jié)點(diǎn)表示實(shí)體，邊表示實(shí)體間關(guān)系或?qū)嶓w的屬性。
根據(jù)上述的知識(shí)圖譜分層結(jié)構(gòu)，知識(shí)圖譜的構(gòu)建方法主要有兩種：一種是自底而上的構(gòu)建方法（如下圖所示）；一種是自定而下的構(gòu)建方法。
自底向上的構(gòu)建方法流程如下圖所示，從開放鏈接的數(shù)據(jù)源中提取實(shí)體、屬性和關(guān)系，加入到知識(shí)圖譜的數(shù)據(jù)層；然后將這些知識(shí)要素進(jìn)行歸納組織，逐步往上抽象為概念，最后形成模式層。自頂而下的方法正好相反。
數(shù)據(jù)獲取是建立知識(shí)圖譜的第一步。目前，知識(shí)圖譜數(shù)據(jù)源按來(lái)源渠道的不同可分為兩種：一種是業(yè)務(wù)本身的數(shù)據(jù)，這部分?jǐn)?shù)據(jù)通常包含在行業(yè)內(nèi)部數(shù)據(jù)庫(kù)表并以結(jié)構(gòu)化的方式存儲(chǔ)，是一種非公開或半公開的數(shù)據(jù)；另一種是網(wǎng)絡(luò)上公開、抓取的數(shù)據(jù)，這些數(shù)據(jù)通常是以網(wǎng)頁(yè)的形式存在，是非結(jié)構(gòu)化的數(shù)據(jù)。
按數(shù)據(jù)結(jié)構(gòu)的不同，可分為三種：結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，根據(jù)不同的數(shù)據(jù)類型，我們采用不同的方法進(jìn)行處理。
信息抽取的關(guān)鍵問題是如何從異構(gòu)數(shù)據(jù)源中自動(dòng)抽取信息得到候選知識(shí)單元。如前文所說(shuō)，知識(shí)獲取有兩種渠道，前者只需要簡(jiǎn)單預(yù)處理即可以作為后續(xù)AI系統(tǒng)的輸入，但后者一般需要借助于自然語(yǔ)言處理等技術(shù)來(lái)提取出結(jié)構(gòu)化信息，這正是信息抽取的難點(diǎn)問題，涉及的關(guān)鍵技術(shù)包括實(shí)體抽取、關(guān)系抽取和屬性抽取。
實(shí)體抽取又稱為命名實(shí)體識(shí)別（NER），是指從文本數(shù)據(jù)集中自動(dòng)識(shí)別出命名實(shí)體，其目的就是建立知識(shí)圖譜中的“節(jié)點(diǎn)”。實(shí)體抽取的質(zhì)量（準(zhǔn)確率和召回率）對(duì)后續(xù)的知識(shí)獲取效率和質(zhì)量影響極大，因此是信息抽取中最為基礎(chǔ)和關(guān)鍵的部分。
實(shí)體的類型主要包括三大類七小類：
最初，實(shí)體識(shí)別通常采用人工預(yù)定義實(shí)體分類體系的方式，但是隨著技術(shù)的日新月異，這種老舊的方式已經(jīng)很難適應(yīng)時(shí)代的需求，因此面向開放領(lǐng)域的實(shí)體識(shí)別和分類極具研究?jī)r(jià)值。
在面向開放域的實(shí)體識(shí)別和分類研究中，不需要也不可能為每個(gè)領(lǐng)域或者每個(gè)實(shí)體類別建立單獨(dú)的語(yǔ)料庫(kù)作為訓(xùn)練集。因此，研究人員主要面臨的挑戰(zhàn)是如何從給定的少量實(shí)體實(shí)例中自動(dòng)發(fā)現(xiàn)具有區(qū)分力的模型。
一種思路是根據(jù)已知的實(shí)體實(shí)例進(jìn)行特征建模，利用該模型處理海量數(shù)據(jù)集得到新的命名實(shí)體列表，然后針對(duì)新實(shí)體建模，迭代地生成實(shí)體標(biāo)注語(yǔ)料庫(kù)。
另一種思路是利用搜索引擎的服務(wù)器日志，事先并不給出實(shí)體分類等信息，而是基于實(shí)體的語(yǔ)義特征從搜索日志中識(shí)別出命名實(shí)體，然后采用聚類算法對(duì)識(shí)別出的實(shí)體對(duì)象進(jìn)行聚類。
文本語(yǔ)料經(jīng)過(guò)實(shí)體抽取之后得到的是一系列離散的命名實(shí)體（節(jié)點(diǎn)），為了得到語(yǔ)義信息，還需要從相關(guān)的語(yǔ)料中提取出實(shí)體之間的關(guān)聯(lián)關(guān)系（邊），才能將多個(gè)實(shí)體或概念聯(lián)系起來(lái)，形成網(wǎng)狀的知識(shí)結(jié)構(gòu)。研究關(guān)系抽取技術(shù)，就是研究如何解決從文本語(yǔ)料中抽取實(shí)體間的關(guān)系。
屬性抽取的目標(biāo)是從不同信息源中采集特定實(shí)體的屬性信息，從而完成對(duì)實(shí)體屬性的完整勾畫，如針對(duì)某款手機(jī)，可以從互聯(lián)網(wǎng)中獲取多源（異構(gòu)）的數(shù)據(jù)，從中得到其品牌、配置等信息。
如果把實(shí)體的屬性值看作是一種特殊的實(shí)體，那么屬性抽取實(shí)際上也是一種關(guān)系抽取。 百科類網(wǎng)站提供的半結(jié)構(gòu)化數(shù)據(jù)是通用領(lǐng)域?qū)傩猿槿⊙芯康闹饕獢?shù)據(jù)來(lái)源，但具體到特定的應(yīng)用領(lǐng)域，涉及大量的非結(jié)構(gòu)化數(shù)據(jù)，屬性抽取仍然是一個(gè)巨大的挑戰(zhàn)。
經(jīng)由信息抽取之后的信息單元間的關(guān)系是扁平化的，缺乏層次性和邏輯性，同時(shí)存在大量冗余甚至錯(cuò)誤的信息碎片。知識(shí)融合，簡(jiǎn)單理解，就是將多個(gè)知識(shí)庫(kù)中的知識(shí)進(jìn)行整合，形成一個(gè)知識(shí)庫(kù)的過(guò)程，在這個(gè)過(guò)程中，主要關(guān)鍵技術(shù)包含指代消解、實(shí)體消歧、實(shí)體鏈接。不同的知識(shí)庫(kù)，收集知識(shí)的側(cè)重點(diǎn)不同，對(duì)于同一個(gè)實(shí)體，有知識(shí)庫(kù)的可能側(cè)重于其本身某個(gè)方面的描述，有的知識(shí)庫(kù)可能側(cè)重于描述實(shí)體與其它實(shí)體的關(guān)系，知識(shí)融合的目的就是將不同知識(shí)庫(kù)對(duì)實(shí)體的描述進(jìn)行整合，從而獲得實(shí)體的完整描述。
知識(shí)融合旨在解決如何將關(guān)于同一個(gè)實(shí)體或概念的多源描述信息融合起來(lái)。
Coreference Resolution，字面上翻譯應(yīng)該是“共指消解”，但在大部分博客或者論壇中通常被稱呼為“指代消解”。一般情況下，指代分為三種（NLP領(lǐng)域一般只關(guān)注前兩種指代類型）：
所以，根據(jù)上面描述，個(gè)人認(rèn)為將“Coreference Resolution”翻譯為“指代消解”更為恰當(dāng)。
有些實(shí)體寫法不一樣，但指向同一個(gè)實(shí)體，比如“New York”表示紐約，而“NYC”同樣也可以表示紐約。這種情況下，實(shí)體消歧可以減少實(shí)體的種類，降低圖譜的稀疏性。
實(shí)體消歧是專門用于解決同名實(shí)體產(chǎn)生歧義問題的技術(shù)，通過(guò)實(shí)體消歧，就可以根據(jù)當(dāng)前的語(yǔ)境，準(zhǔn)確建立實(shí)體鏈接，實(shí)體消歧主要采用聚類法。其實(shí)也可以看做基于上下文的分類問題，類似于詞性消歧和詞義消歧。
實(shí)體鏈接（entity linking）是指對(duì)于從非結(jié)構(gòu)化數(shù)據(jù)（如文本）或半結(jié)構(gòu)化數(shù)據(jù)（如表格）中抽取得到的實(shí)體對(duì)象，將其鏈接到知識(shí)庫(kù)中對(duì)應(yīng)的正確實(shí)體對(duì)象的操作。其基本思想是首先根據(jù)給定的實(shí)體指稱項(xiàng)，從知識(shí)庫(kù)中選出一組候選實(shí)體對(duì)象，然后通過(guò)相似度計(jì)算將指稱項(xiàng)鏈接到正確的實(shí)體對(duì)象。
實(shí)體鏈接鏈接的是從半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)那里通過(guò)信息抽取提取出來(lái)的數(shù)據(jù)。那么除了半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)以外，還有個(gè)更方便的數(shù)據(jù)來(lái)源——結(jié)構(gòu)化數(shù)據(jù)，如外部知識(shí)庫(kù)和關(guān)系數(shù)據(jù)庫(kù)。對(duì)于這部分結(jié)構(gòu)化數(shù)據(jù)的處理，就是知識(shí)合并的內(nèi)容啦。一般來(lái)說(shuō)知識(shí)合并主要分為兩種：
海量數(shù)據(jù)在經(jīng)信息抽取、知識(shí)融合之后得到一系列基本的事實(shí)表達(dá)，但這并不等同于知識(shí)，要想獲得結(jié)構(gòu)化，網(wǎng)絡(luò)化的知識(shí)體系，還需要經(jīng)過(guò)質(zhì)量評(píng)估之后（部分需要人工參與甄別），才能將合格的部分納入知識(shí)體系中以確保知識(shí)庫(kù)的質(zhì)量，這就是知識(shí)加工的過(guò)程。知識(shí)加工主要包括3方面內(nèi)容：本體構(gòu)建、知識(shí)推理和質(zhì)量評(píng)估。
來(lái)自維基百科的本體的定義：
In computer science and information science, an ontology is a formal naming and definition of the types, properties, and interrelationships of the entities that really or fundamentally exist for a particular domain of discourse.
譯：在計(jì)算機(jī)科學(xué)和信息科學(xué)中，一個(gè)本體就是特定領(lǐng)域或根本存在的實(shí)體的類型、屬性、相互關(guān)系的一個(gè)正式的命名和定義
本體這個(gè)概念，對(duì)于初學(xué)者來(lái)說(shuō)的確有些抽象，不易理解。它可以用多種方式來(lái)描述：
總的概括：本體定義了組成領(lǐng)域的詞匯表的基本術(shù)語(yǔ)及其關(guān)系，以及結(jié)合這些術(shù)語(yǔ)和關(guān)系來(lái)定義詞匯表外延的規(guī)則。
引用：
本體和知識(shí)圖譜都通過(guò)定義元數(shù)據(jù)以支持語(yǔ)義服務(wù)。不同之處在于：知識(shí)圖譜更靈活, 支持通過(guò)添加自定義的標(biāo)簽劃分事物的類別。本體側(cè)重概念模型的說(shuō)明，能對(duì)知識(shí)表示進(jìn)行概括性、抽象性的描述，強(qiáng)調(diào)的是概念以及概念之間的關(guān)系。大部分本體不包含過(guò)多的實(shí)例，本體實(shí)例的填充通常是在本體構(gòu)建完成以后進(jìn)行的。知識(shí)圖譜更側(cè)重描述實(shí)體關(guān)系，在實(shí)體層面對(duì)本體進(jìn)行大量的豐富與擴(kuò)充。可以認(rèn)為，本體是知識(shí)圖譜的抽象表達(dá)，描述知識(shí)圖譜的上層模式；知識(shí)圖譜是本體的實(shí)例化, 是基于本體的知識(shí)庫(kù)。（ 黃恒琪,于娟,廖曉,席運(yùn)江.知識(shí)圖譜研究綜述.計(jì)算機(jī)系統(tǒng)應(yīng)用,2019,28(6):1–12.）
知識(shí)地圖 (knowledge map) 將特定組織內(nèi)的知識(shí)索引通過(guò)“地圖”的形式串聯(lián)在一起，揭示相關(guān)知識(shí)資源的類型、特征以及相互關(guān)系。 知識(shí)地圖的主要功能在于實(shí)現(xiàn)知識(shí)的快速檢索、共享和再重用，充分有效地利用知識(shí)資源。知識(shí)地圖是關(guān)于知識(shí)的來(lái)源的知識(shí)。知識(shí)并非存儲(chǔ)在知識(shí)地圖中，而是存儲(chǔ)在知識(shí)地圖所指向的知識(shí)源中。知識(shí)地圖指向的知識(shí)源包含數(shù)據(jù)庫(kù)、文件以及擁有豐富隱性知識(shí)的專家或員工。有的企業(yè)應(yīng)用知識(shí)地圖來(lái)揭示知識(shí)的結(jié)構(gòu)，實(shí)現(xiàn)對(duì)知識(shí)及其相關(guān)知識(shí)的檢索。（ 黃恒琪,于娟,廖曉,席運(yùn)江.知識(shí)圖譜研究綜述.計(jì)算機(jī)系統(tǒng)應(yīng)用,2019,28(6):1–12.）
本體構(gòu)建過(guò)程包含三個(gè)階段：
比如對(duì)下面這個(gè)例子，當(dāng)知識(shí)圖譜剛得到“阿里巴巴”、“騰訊”、“手機(jī)”這三個(gè)實(shí)體的時(shí)候，可能會(huì)認(rèn)為它們?nèi)齻€(gè)之間并沒有什么差別，但當(dāng)它去計(jì)算三個(gè)實(shí)體之間的相似度后，就會(huì)發(fā)現(xiàn)，阿里巴巴和騰訊之間可能更相似，和手機(jī)差別更大一些。
這就是第一步的作用，但這樣下來(lái)，知識(shí)圖譜實(shí)際上還是沒有一個(gè)上下層的概念，它還是不知道，阿里巴巴和手機(jī)，根本就不隸屬于一個(gè)類型，無(wú)法比較。因此我們?cè)趯?shí)體上下位關(guān)系抽取這一步，就需要去完成這樣的工作，從而生成第三步的本體。
當(dāng)三步結(jié)束后，這個(gè)知識(shí)圖譜可能就會(huì)明白，“阿里巴巴和騰訊，其實(shí)都是公司這樣一個(gè)實(shí)體下的細(xì)分實(shí)體。它們和手機(jī)并不是一類。”
完成了本體構(gòu)建這一步之后，一個(gè)知識(shí)圖譜的雛形便已經(jīng)搭建好了。但可能在這個(gè)時(shí)候，知識(shí)圖譜之間大多數(shù)關(guān)系都是殘缺的，缺失值非常嚴(yán)重，那么這個(gè)時(shí)候，我們就可以使用知識(shí)推理技術(shù)，去完成進(jìn)一步的知識(shí)發(fā)現(xiàn)。
知識(shí)推理就是指從知識(shí)庫(kù)中已有的實(shí)體關(guān)系數(shù)據(jù)出發(fā)，經(jīng)過(guò)計(jì)算機(jī)推理，建立實(shí)體間的新關(guān)聯(lián)，從而擴(kuò)展和豐富知識(shí)網(wǎng)絡(luò)。
例如康熙是雍正的父親，雍正是乾隆的父親，那么盡管康熙和乾隆這兩個(gè)實(shí)體之間通過(guò)知識(shí)推理，就可以獲得他們之間是祖孫關(guān)系。
知識(shí)推理的對(duì)象也并不局限于實(shí)體間的關(guān)系，也可以是實(shí)體的屬性值，本體的概念層次關(guān)系等。比如：
知識(shí)的推理方法可以分為2大類：基于邏輯的推理和基于圖的推理。
質(zhì)量評(píng)估也是知識(shí)庫(kù)構(gòu)建技術(shù)的重要組成部分，這一部分存在的意義在于：可以對(duì)知識(shí)的可信度進(jìn)行量化，通過(guò)舍棄置信度較低的知識(shí)來(lái)保障知識(shí)庫(kù)的質(zhì)量。
1、通俗易懂解釋知識(shí)圖譜 或 一文揭秘！自底向上構(gòu)建知識(shí)圖譜全過(guò)程
2、斯坦福CS224n(15)指代消解
3、知識(shí)圖譜學(xué)習(xí)系列之一：知識(shí)圖譜綜述
4、知識(shí)圖譜的總體構(gòu)建思路
5、知識(shí)圖譜—初識(shí)本體
6、本體概述
聯(lián)系客服
