Learning Taxonomy丨第三弹：当 Taxonomy 遇上 AI

小编注：这是 Leaning Taxonomy 栏目的第三期，第一期 Learning Taxonomy丨全网首发：企业内容分类法应用指南Ⅰ介绍 Taxonomy 的三大组成部分：标签 、概念 、关系；第二期 Learning Taxonomy丨第二弹：企业内容分类法应用指南Ⅱ 解析企业部署 Taxonomy 的实际价值。

上期，Joe 从实际应用出发，为大家介绍了 Taxonomy 作为“基础设施”对于整个企业的实际价值所在。本期再次请Joe 为大家解读企业内容分类法最前沿趋势，前瞻一下 Taxonomy 和 AI 、知识图谱会碰撞出什么样的火花！

1 Taxonomy 与知识图谱

Google在2012年提出知识图谱 (Knowledge Graph) 的概念，本质上是“语义网络 (Semantic Network) 的知识库”，从实际应用的角度出发可以简单理解成多关系图 (Multi-relational Graph)。知识图谱通常有“实体 (Entity) ”和“关系 (Relation) ”的要素。实体指现实世界中的事物比如人、地名、概念、药物、公司等，关系则用来表达不同实体之间的某种联系，比如人-“居住在”-北京等。

知识图谱应用的前提是已经构建好的知识图谱，也可以认为是构建一个知识库。在百度搜索输入“华为的创始人是谁”，我们可以直接得到答案。这是因为系统层面上已经存在一个包含华为和任先生的实