Neo4j 知识图谱的技术解析及案例分享

 

合作分享：Jesus Barrasa-Neo4j-欧洲区售前和技术总监

合作分享：丁可-Neo4j-亚太区高级技术顾问

编辑整理：吴祺尧-加州大学圣地亚哥分校

出品平台：DataFunTalk

导读：Neo4j近年来与众多公司合作，在很多领域中成功结合知识图谱技术，使得知识图谱顺利落地于各个项目中。今天由 Neo4j 的欧洲区售前和技术总监Barrasa博士来介绍知识图谱的技术解析与案例分享。

今天的介绍会围绕下面五点展开：

• 数据架构中的知识存在于何处

• 知识图谱在技能发现中的应用

• 知识图谱在元数据管理中的应用

• 知识图谱在语义搜索中的应用

• 总结

01 数据架构中的知识存在于何处

首先，我使用一个问题作为开场：在数据架构中知识存在于何处？我会使用一个金融领域的例子来帮助大家理解知识图谱的概念，并使得大家可以将知识图谱推广到其他领域中。

 

数据的来源与种类十分多样。我们可能会有顾客数据、产品数据、顾客行为数据，它们可以有很多存储方式，下面我以关系型数据库为例进行介绍。通常情况下，我们会有很多应用来消费、处理、理解这些数据。比如，有一个用来生成dashboard的“App 1”，它可以用来生成给上级主管查看的报告，那么这个app会查询数据库，结合顾客数据和顾客行为数据，自动输出一份由顾客账户为索引的总结。在这个app中，知识存在于那些可以用于处理、理解数据的代码中。它们往往是上百行SQL语句。又比如我们还有另一个应用“App 2”，它用于向顾客推荐需要升级的产品。具体地，它会结合顾客数据、顾客行为数据、产品数据等来向顾客推荐潜在的升级产品。相似地，应用决定了数据的意义，那么知识就存在于这一具体应用中。综上，我们可以发现数据的存储与知识是解耦的。上述范式可以重复运用于所有应用中，比如我们还可以有一个“App 3”，它生成一个可以用来监管的报告。

但是，这种解耦的知识存在形式像一个黑盒，对于我们来说很难去维护。所以，我们可