第一章：

一、 知識圖譜與人工智慧

人工智慧的業務架構

人工智慧技術架構

智慧人機對話業務模型

人工智慧發展階段

一、 知識圖譜的典型應用

• 在語義理解中的應用
  

在傳統搜尋中僅僅通過匹配英達，兒子，無法正確區分開這三類問題，但是當引入實體關係的結構化資料後，就很容易區分。

• 在智慧搜尋中的應用
  搜尋結果包括該實體的相關屬性
• 智慧問答
• 輔助決策

一、 知識圖譜的系統架構

• 知識獲取
• 知識儲存(RDF/neo4j)
• 知識表示
• 知識應用
  知識架構：語義型別設計，語義關係設計
  

第二章：知識設計方法

知識圖譜基礎

知識單元的組織

語義型別設計（知識建模）

設計語義型別可以參照同行業內，已經構建好的語義型別的劃分。或者跨領域借鑑，複用（同知識領域）。如UMILS的

語義關係設計（知識建模）

• 參照法：
  

• 通過業務流程來梳理抽象關係

本體物件設計（知識建模）

• 由語義型別的模型，從最細粒度的語義型別去尋找本體物件
  語義建模工具：protege

第三章：知識儲存

一、知識儲存模型

• RDBMS 關係型資料庫（資料量小）
• RDF 三元組（資料量小單網頁模式）
• Graph DBMS 圖資料庫（大體積）
  儲存規則：對於不需要進行關係延申計算的資料不放入圖譜，這部分資料可使用適應的儲存並於知識圖譜中實體做連結；對於結構固定，實體屬性資訊豐富的實體類，使用其他資料庫儲存更能體現優勢。（不需要研究實體之間關係的資料，需要頻繁計算的資料不適合用知識圖譜儲存。）

儲存開銷會逐漸增大，當屬性比較多時，會產生大量的自連線，增加計算開銷。
二、RDBMS 關係型資料庫
1、對於關係資料庫：三元組表

1、對於關係資料庫：屬性表
每一個屬性做一張表
當不指定屬性查詢某個實體所有資訊時要遍歷所有的表，計算開銷比較大

3、對於關係資料庫：垂直分割
修改不方便
隨謂語增加

三、RDF 三元組

三、圖資料庫：

3.1圖資料庫的選擇：
RDF資料庫使用排行

圖資料庫使用排行：

3.2 Neo4j配置

• 配置java環境
• 配置變數名：NEO4J_HOME 變數值：D:\Neo4j\neo4j-community-3.3.6
• 配置path：D:\Neo4j\neo4j-community-3.3.6\bin\
• 安裝成服務：neo4j.bat install-service
• neo4j start
• neo4j stop
• neo4j restart
• neo4j status
  3.3 Neo4j操作
  shift+enter 換行
  Enter 執行
  :help 幫助
  :clear
  :play start歡迎介面
  建立節點
  ()
  (matrix)
  (:Movie)
  (matrix:Movie)
  (matrix:Movie {title: “The Matrix”})
  (matrix:Movie {title: “The Matrix”, released: 1997})
  建立關係
  –>
  -[role]->
  -[:ACTED_IN]->
  -[role:ACTED_IN]->
  -[role:ACTED_IN {roles: [“Neo”]}]->
  3.2 Neo4j資料庫監控管理
  :sysinfo
  
  資料備份

neo4j-admin.bat help
neo4j-admin.bat dump help

資料庫刪除

第四章：專案實戰

一、自己動手開發聊天機器人

第五章：知識圖譜獲取

5.1知識圖譜獲取的方法

目前僅僅通過機器學習的方法構建的知識圖譜是不完備的，必須引入人工。
5.2.國內外可用知識圖譜
TCMLS中醫學語言系統

注：PPT來源 《知識圖譜實戰開發案例剖析》（張子良）。