知识图谱概述

知识图谱

知识图谱本质上是一种大规模的语义网络，富含实体、概念及其之间的各种语义关系。

作为一种语义网络是大数据时代知识表示的重要方式之一。

作为一种技术体系，是大数据时代知识工程代表性进展。

领域知识图谱

领 域（行业）知识图谱 (Domainspecific Knowledge Graph)

• 聚焦于特定领域或者行业的知识图谱

• 企业知识图谱：贯穿企业各业务部分的知识图谱
  
  

符号主义的主要观点

认知即计算

知识是信息的一种形式，是构成智能的基础。

知识表示、知识推理、知识运用是人工智能的核心。

传统KE代表性任务与成就。

传统知识工程在规则明确、边界清晰、应用封闭的应用场景取得了巨大成功

传统KE的主要挑战

知识应用困难

应用容易超出预先设定的知识边界。

很多应用需要常识支撑

难以处理异常的情况

难以处理不确定性的推理。

知识更新困难。

机器理解数据的本质

建立从数据到知识库中实体、概念、关系的映射。

机器解释现象的本质。

利用知识库中实体、概念、关系解释现象的过程

知识图谱的应用

知识类别

• factual knowledge

taxonomic knowledge

• lexical knowledge

contextual knowledge

• linked knowledge

multi-lingual knowledge

temporal knowledge

spatial knowledge

• common-sense knowledge

• common-sense knowledge (rules)

emerging knowledge (open IE):

multimodal knowledge (photos, videos)

social knowledge (opinions)

epistemic knowledge ((un-)trusted beliefs)

知识图谱分类

总结

传统知识图谱的局限，以及知识图谱的重要性，以及知识图谱的主要行业应用样例。