知识图谱成长之路（一）认识知识图谱

学习之初，想对自己和可能刷到这篇文章的你说几句话，可能和知识图谱没啥太大关系，麻烦忍耐一下：

1. 我是一名初学者，本着一个严谨的态度，出于对知识图谱的进一步深入学习的考虑，
2. 由于之前毕业课程设计做过，所以对知识图谱整体上有了范范的概念，可这种情况是最致命的，这时的自己活像一只充满气体的气球，浮躁，无实处
3. 对于知识图谱的了解并不深刻，在学习的时候只在乎把别人的总结好的概念粘贴复制，并没有落实在自己的认知中，终究不过是一场空，
4. 所以，在这学习之初，我想把自己进行压缩，压修，就像小说里面的主人公一样，常人8转就突破，可他硬是强压自己到10转才突破修为，
5. 就是这种感觉，把自己所有的浮躁压下去，把精华浓缩，突破后当然是比同级的大多数人都要强。

知识图谱到底是什么？？

1.官方解释

知识图谱就是以图谱的形式呈现出客观世界中的概念、实体及其间的复杂关系。

2.个人分析

个人觉得，它就是一大堆实体依据某种关系拼接成的知识网络，
（1）大家都见过电视剧中刑侦科在列举嫌疑人人物关系时的情景吧：
A和B是夫妻，C是D的姐姐，D是B的兄弟、、、、、、略过爱恨情仇，	
这三句每一句都能成一个三元组，三元组是知识图谱的基本单位，
A和B是实体，夫妻是A与B之间的关系。

（2）再如个人做过的医疗知识图谱(可以拖动的，但因年代久远，视频不见了)，
其中乙肝是中心节点，箭头上是两者的关系，周围红色的是子结点，
图中所表现的意思是，乙肝的症状有：乏力、腹水、大三阳等等。
略过实际答案的粗糙，这也是“实体-关系-实体”这种三元组模式。

在echarts官网，示例——>关系图——>webkit模块关系依赖图可以查看官方版的示例：

webkit模块关系依赖图示例单击此处可直接到达

3.知识图谱外传

Google 在推广知识图谱时，曾提出“Things，not strings”的宣传口号，这就是知识图谱的精华所在，

即：不要无意义的字符串，而是获取字符串背后隐含的对象或事物。例

如，当我们看到 Leonardo di ser Piero da Vinci这串字符时，首先想到什么？相信很多人不明白其中的意思，我们一起来看下他对应的中文：列奥纳多·迪·皮耶罗·达·芬奇，这下绝大多数人都知道，这是一个外国人的名字， 接着我们会联想到这是著名画家、科学家，会联想到他的著名作品《蒙娜丽莎》，还会想到意大利文艺复兴三杰拉斐尔、米开朗基罗和达·芬奇。机器看到文本的反应和我们看到达·芬奇意大利文原名（Leonardo di ser Piero da Vinci）的反应几乎一样。

想要让机器理解文本的含义，我们需要对客观世界中的具体事物（实体）创建一个完整的模型，包含它的各种属性以及与其他事物的关系，

也就是构建知识图谱，为机器存储先验知识。

知识图谱让机器拥有了最基础的认知能力，当它再次看到 Leonardo di ser Piero da Vinci 时，就会像人类看到熟悉的事物时一样进行相应的联想和推理。

4.知识图谱的应用

数据库大家都不陌生吧，进行数据存储的一个工具，知识图谱也一样，暂不讨论相比与数据库它的优点，有一个数据仓库，那么是不是可以想要什么，就直接问他要就行了，知识图谱也有自己的查询语句，后面会进行详细记录展示。
生活中这种能保存这种“实体-关系-实体”的三元组的存储需求很多，
如上例中的：医疗知识图谱，刑侦人物关系知识图谱等等

按照应用方向可分为三类：

语义搜索

1.区别于传统搜索引擎的关键词检索直接返回大量网页，语义搜索 (也称为语义检索)则首先将用户输入的关键词映射至知识图谱中的一个或一组实体或概念，然后根据知识图谱中的概念层次结构进行解析和推理，向用户返回丰富的相关知识。谷歌提出语义搜索后，
2.国内百度的“知心”与搜狗的“知立方”也致力于利用知识图谱技术提升用户的搜索体验。
3. 例如,当用户搜索达芬奇时, 除了达芬奇的个人简介之外, 语义搜索还能返回他的相关画作: 《最后的晚餐》、《蒙娜丽莎》及其相关人物等信息；当用户搜索“世界上最大的湖泊”时直接给出的就是具体的详细的答案。

智能问答

1.智能问答指用户以自然语言提问的形式提出信息查询需求，系统依据对问题的分析，从各种数据资源中自动找出准确的答案。问答系统是一种信息检索的高级模式, 能提升效率、降低人工参与成本。
2.问答系统将知识图谱看做一个大型知识库, 首先对用户使用自然语言提出的问题进行语义分析和语法分析, 进而将其转化成对知识图谱的查询, 最后在知识图谱中查询答案。
3.例如，一个医疗知识检索系统，输入“乙肝需要服用哪些药物”，先进性解析成：乙肝，服用，药物，在知识图谱里查询后，返回的答案就是所有与治疗乙肝相关的药物。

个性化推荐

1.个性化推荐是指基于用户画像，不同的用户会看到不同的推荐结果，有着重要的商业价值。电子商务网站是运用个性化推荐最典型的应用，能通过行业知识图谱的丰富知识帮助实现精准营销与推荐。
2. 如: 基于商品间的关联信息以及从网页抽取的相关信息，构建知识图谱，当用户输入关键词查看商品时，基于知识图谱向用户推荐可能需要的相关知识, 包括商品结果、使用建议、搭配等，通过“你还可能感兴趣的有”、“猜您喜欢”或者是“其他人还在搜”进行相关的个性化推荐；实际生活中，我们都使用淘宝、拼夕夕，如果选了一次鞋子后，下一次进入主页面就会推荐鞋子相关信息，类似的哔哩哔哩也是。

以上仅作为个人学习用，若转载请注明出处！！！