知识图谱：机器学习的完美补充

如今，网络上可用的信息量惊人，而且还在不断扩大。 例如，有超过19.4亿个与万维网（the World Wide Web）链接的网站，搜索引擎（例如谷歌、必应等）可以通过这些链接以极高的精度和速度提供有用的信息。 在大多数成功的搜索引擎中，最重要的核心是知识图谱（Knowledge Graphs）的使用。 不仅仅是搜索引擎，社交网站（例如Facebook等），电子商务网站（例如Amazon等）也在使用知识图谱来存储和检索有用的信息。

历史

1960年，语义网络（Semantic Networks）被发明以解决对知识表示框架的不断增长的需求，该框架可以捕获各种实体——现实世界的对象，事件，情况或抽象概念和关系，最终可以应用于扩展的英语对话任务。语义网络背后的主要思想是捕获各种各样的问题，包括计划，行动，时间，个人的信念和意图的表示，并且要笼统地容纳每个问题。

根据维基百科（Wikipedia），1980年底，荷兰的两所大学启动了一个名为知识图谱的项目，这是一种语义网络，但是为了促进图中的代数运算而增加了一些限制。

在2001年，Tim Berners-Lee创造了语义网（Semantic Web）这个术语，这是语义网络与Web结合使用的一种