echarts做企业关系图谱_知识图谱平台化助力知识图谱行业大发展

知识图谱平台是知识图谱成功的保障

作者：漆桂林

2019年5月份的CSDN CTA核心技术及应用峰会，我做了一个知识图谱技术分析和平台化路线的主题演讲，回顾这一年来知识图谱的发展，应该说印证了我对知识图谱商业化发展的预测，多个公司推出知识图谱平台产品，比如说南京柯基数据的知识图谱平台将知识图谱的各项技术融合到平台中，使得知识图谱构建效率极大提高，成本极大降低。随着知识图谱平台化产品的普及，大数据时代向大知识时代转变的速度将加快。下面首先分析一下为什么需要做知识图谱平台化，知识图谱平台可以做什么，不可做什么，这对于广大知识图谱应用及研究人员、各大企业、科研院所的意义是什么。然后给出知识图谱未来发展的一些思考。

一、行业级知识图谱平台诞生的必要性

知识图谱的概念提出至今也有8年时间了，在这8年时间里，知识图谱不仅仅在学术界取得了丰硕的成果，而且在工业界也产生了很大的影响力。关于知识图谱是什么以及应用，请参考以下知乎文章以及知识图谱专著：

漆桂林：知识图谱之知识表示篇​zhuanlan.zhihu.com

https://zhuanlan.zhihu.com/p/28609177​zhuanlan.zhihu.com

漆桂林：知识图谱的应用​zhuanlan.zhihu.com

柯基数据：柯基数据|企业知识图谱落地案例分享​zhuanlan.zhihu.com

知识图谱虽然很有用，而且是人工智能的一个重要分支，但是由于它跟多个学科交叉，使得学习成本很高，无论在学术界还是业界来说，普及率相对于机器学习是比较低的。国内具备知识图谱完整构建能力的大学和公司是非常少的。

图1:知识图谱技术架构图（来源于openKG）

图1给出了知识图谱的技术体系，这是由openKG的王昊奋老师总结的，下面是openkg的链接。

OpenKG.CN - 开放的中文知识图谱​openkg.cn

从图1我们可以看出来，知识图谱技术可以应用于任何种类的数据。从文本数据中，我们通过信息抽取技术，可以抽取出三元组数据；从结构化数据中，我们通过构建本体并采用D2R技术可以自动转化出知识图谱；从多媒体数据中，我们通过图像识别或者图像理解技术（见我们实验室今年发表的JIST2019和AAAI2020论文），抽取出图像实体关系和图像分类的三元组数据；从传感器中可以自动化导出流式三元组数据；从各类百科、WikiData等众包数据中，可以利用信息抽取技术获得高质量的知识图谱。知识图谱涉及到的技术包括本体建模、知识表示、知识抽取、知识融合等，用以支撑语义搜索、智