3.知识图谱概念和相关技术简介[知识抽取、知识融合、知识推理方法简述]，典型应用案例介绍国内落地产品介绍。一份完整的入门指南，带你快速掌握KG知识，芜湖起飞

1. 知识图谱(KG)的概念

知识图谱(KG)得益于Web的发展（更多的是数据层面），有着来源于KR、NLP、Web、AI多个方面的基因。知识图谱是2012年后的提法，基础还是语义网和本体论。

知识图谱的本质包含：

• 知识表示——Knowledge Representation
• 基于知识表示的知识库——Knowledge Base
• 知识库的来源：知识构建、知识抽取、知识融合；
• 知识库怎么用：语义搜索、知识问答
• Web的视角：像建立文本之间的超链接一样，建立数据之间的语义链接，并支持语义搜索；
• NLP视角：怎么从文本中抽取语义和结构化数据
• KR视角：怎样利用计算机符号表示和处理数据
• AI视角：怎样利用知识库来辅助理解人类的语言
• DB视角：用图的方式去存储知识；

知识图谱由文本(Texts、Documents)的链接到对象(Objects)的链接。 知识图谱(KG)的作用:

• 辅助搜索
• 辅助问答
• 辅助决策
• 辅助AI：常识推理

知识图谱与深度学习的区别：人的大脑依赖所学的知识进行思考、逻辑推理、理解语言。 可以将深度学习和知识图谱比作是“聪明的AI”和“有学识的AI”。

• 深度学习：主要是【学习】能力，通过强