知识图谱应用场景的设计与理解

图数据的导入：

两个思路：

1，结构话数据，提供统一字段结构（点label表，边label表），或者做字段映射。
2，非结构话数据，小数据：通过人工标注平台，大数据 通过 nlp 抽取（难度很大，可以先抽点，在标关系）

1，基于图的搜索：两个部分
部分1:基于图的搜索，

简单实现，不要kbqa

点(点label-)------边(边label)----属性，三者之间的关联关系的搜索。一般的搜索模式应该是：

基础搜索模式：

点的搜索：

1，属性----点label —> 点

边的搜索

2,   属性-----边label----> 边

1，2 原型设计：

类型：【点/边】label：【label】  属性名（text）：[关键字]  属性名（int）：[ ]~[ ]范围1～范围2 

属性要根据类型设置筛选方式，int 类型 设置 范围，text/string 设置关键字

1，2可以通过搜索引擎实现，也可以通过其他数据库实现。

————————————这个以上简单的实现不通过nlp 模型，做到这个程度，我觉得就可以了。至于 点—属性，边--属性，点--边----点等，可以通过部分2 的图探索，图筛选实现。

复杂实现：

人工智能 实现kbqa：

实现1，2以外

还可以实现点—属性，边--属性，点--边--点等

目前 支持固定句式开发应该比较好实现，特殊场景句式，需要特殊定制，开发。

比如 姚明的母亲的年龄。

部分2:基于部分1的图相邻点展示。（图探索）

在展示的基础上
应该设置简单的筛选操作（label，边方向，复杂一点属性筛选（基于边label,点label）），这一部分放前端比较好开发。放到后端的话，设计图数据的缓存。

知识卡片，数据统计