知识图谱学习笔记一----知识图谱是什么

主要参考：《知识图谱：方法、实践与应用》

知识图谱是什么

书上给出的定义是，知识图谱是一种用图模型来描述知识和建模世界万物之间的关联关系的技术方法。

我的理解是，知识图谱就是将知识形式化地用三元组表现出来。如下图，哆啦A梦、胖虎、铜锣烧和棒球我们都称为节点，节点间的连边用来表示他们间的关系。如“哆啦A梦–朋友–胖虎”这个三元组，就表示哆啦A梦的朋友是胖虎，这就是一条知识。如果我们将更多的三元组融合在一个图里，那么我们就得到了一个知识图谱。

从这样的知识图谱中，我们就可以“顺藤摸瓜”地得到我们想要的信息了。如果能把世界上所有的知识都表示到知识图谱中，那该有多好～。无奈的是世界上的知识是无限多的，而且在不断地增长，构建成本又很高，所以完备的知识图谱的构建是有难度的。

知识图谱的发展史

借用一下书上的原图

也就是说最早期的知识图谱诞生于1998年，也就是Semantic Web（语义网），其最初理想是把基于文本链接的万维网转化成基于实体链接的语义网，之后就是百花齐放了。如谷歌知识图谱后端的Freebase，作为IBM Waston后端的DBpedia和Yago，作为Amazon Alexa后端的True Knowledge，作为苹果Siri后端的Wolfram Alpha，以及开放的Semantic Web Schema——Schema.ORG，目标成为世界最大开放知识库的Wikidata等。

知识图谱涉及的技术

知识图谱的构建涉及知识建模、关系抽取、图存储、关系推理、实体融合等多方面的技术；

知识图谱的应用涉及语义搜索、智能问答、语言理解、决策分析等多个领域；

构建并利用好知识图谱需要知识表示、图数据库、自然语言处理、机器学习等多方面的技术。

我对知识图谱的看法

人工智能分为主要分为两个流派：符号派（Symbolism）和连接派（Connectionism）。前者侧重于用计算机符号表示人脑中的知识并模拟心智的推理过程；后者侧重于模拟人脑的生理结构，即人工神经网络。

我的理解是，连接派，如alphaGO等，在某些特定的场景或者领域，依赖于大数据的训练，可以得到超越人的表现。但是，要让机器能想人一样思考、推理还是需要知识图谱的辅助。这也是我开始慢慢接触知识图谱的原因，我感觉这应该是一个很有前景的领域。