知識圖譜（Knowledge Graph）小結

一、知識圖譜（Knowledge Graph）主要目的是在海量網路資料中以更直觀的方式把知識展現給使用者

二、KG特徵和功能:本質上是一種語意網路，使用者查詢關鍵詞對映到語意知識庫的概念上，

核心是知識庫。

三、知識圖譜流程：知識獲取，知識融匯，知識儲存，查詢式語意理解，知識檢索和視覺化

     3.1知識獲取：

     在大資料環境下，可通過機器學習，知識挖掘，自然語言處理等方式獲取，這說明在學習知識圖譜的同時，對於機器學習，資料探勘等相關方向也要有一定的瞭解和運用。

     3.2知識融合：

     面對網路上獲取的大量資料，其格式，屬相等需要統一，這稱為異構資料。

     實體和關係是圖譜中基本要素，如同圖中的頂點和邊一樣，實體的重要度根據     

PageRank等演算法進行排序

     在知識融合過程中，還需要通過推理檢測邏輯矛盾，通過聚合、分類把知識具體化和分類整合。

     因為任何實體都不是單獨孤立的，與周圍一些概念存在一定邏輯關係，由此可看出在離散數學的中數理邏輯，關係證明等基礎知識的重要性，以及與圖論的結合。

     3.3知識儲存：

     主要依賴於海量資料儲存技術來管理大規模分散式的資料，以實現大容量，可擴充套件，高可靠性和高效能。

     3.4查詢式語意理解：

     各種查詢式方法，查詢式語意的分析，分詞，標註，糾錯，語法分析，與知識庫匹配，使用者情感及語境，查詢式擴充套件，主要以

     3.5知識檢索：

     此階段涉及到資訊檢索，知識挖掘扥關鍵技術（相似性，重要性）。對查詢語意進行解析，與知識庫的知識匹配，進行統計，排序，推理，預測。為使用者查詢出關鍵完整準確的有效資訊，同時推薦使用者可能感興趣的資訊（涉及到推薦系統）。

     3.6視覺化展現：

     提升使用者體驗和效果，更注重內容顯示粒度上的把握，需要涉及到Web客戶端技術，視覺化技術，人機互動技術幫助使用者提高體驗效果。

四、知識圖譜的應用

     4.1商業搜尋引擎的應用：如百度、搜狗等，國外谷歌。

     4.2問答系統的應用：蘋果的Siri

     4.3電商平臺運用：淘寶

     4.4社交網路運用：FB

     4.5其他領域：如教育科研，醫療，生物研究的

五．小結：

    知識圖譜作為近兩年在大資料時代下新穎的知識組織與檢索技術，其知識組織和展示的優勢逐漸體現出來，受到眾多領域的關注。應用前景十分廣泛。當前知識圖譜發展還處於初級階段，面臨眾多挑戰和難題，如：知識庫的自動擴充套件，異構知識處理，推理規則學習，跨語言檢索等。