新词汇--知识图谱概念、应用（智能搜索、数据分析、NLP）

参考链接：什么是知识图谱     为什么需要知识图谱？    知识图谱的技术与应用

1.概念

在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。

通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。

通俗来讲，目前很多机器学习和深度学习的算法更像是一个具有统计知识的机器，只是显示一些信息，而没有归纳总结，我们需要一种揭示实体之间关系的语义网络，来使得“人工智能”更加人性化。

目的是为了揭露数据中的隐含语义，使得检索更加智能化，从而广泛应用在智能搜索，深度问答，个性化推荐，社交网络，垂直行业应用（在金融、医疗、电商、教育科研行业、图书馆、证券业、生物医疗以及需要进行大数据分析的一些行业）等领域。

2.体系结构

逻辑结构上可分为模式层与数据层两个层次，数据层主要是由一系列的事实组成，而知识将以事实为单位进行存储。

模式层构建在数据层之上，主要是通过本体库来规范数据层的一系列事实表达。本体是结构化知识库的概念模板，通过本体库而形成的知识库不仅层次结构较强，并且冗余程度较小。

大规模知识库的构建与应用需要多种智能信息处理技术的支持。

知识抽取

从一些公开的半结构化、非结构化的数据中提取出实体、关系、属性等知识要素。

知识融合

消除实体、关系、属性等指称项与事实对象之间的歧义，形成高质量的知识库

知识推理

在已有的知识库基础上进一步挖掘隐含的知识，从而丰富、扩展知识库

分布式的知识表示形成的综合向量对知识库的构建、推理、融合以及应用均具有重要的意义。

3.如何应用

主要作用在于分析关系，尤其是深度的关系

知识的推理，目前最有效的方式还是基于一些规则的方法论

知识图谱工程本身还是业务为重心，以数据为中心