python知识推理知识图谱_如何从知识图谱中挖掘、推理出新的关系和知识？

先看你用的知识图谱系统支不支持推理引擎吧。你想达到的效果，一般是通过推理引擎实现的。

推理的效果好不好，得看知识系统是如何实现的，知识的覆盖面/广度，知识的精准性，推理引擎的算法如何等等。--从这也能看出，前提还是数据量。再看看图像方面的数据集就明白了，ImageNet、MNIST、COCO、The PASCAL Visual Object Classes Homepage、CIFAR-10 and CIFAR-100 datasets、http://horatio.cs.nyu.edu/mit/tiny/data/、FDDB : Main，这还是近乎语言中立的，就N多个了，而知识图谱呢，不同的语言、不同的领域，这得需要几倍的图像数据集啊，现阶段耳熟能详的又有几个。数据集的数量起来之后，其它的相关算法、论文才会层出不穷吧。有点跑题。。。。

第二个问题的“其他方法”指啥？传统的数据挖掘？知乎上关于数据挖掘的介绍：如何系统地学习数据挖掘？ 在编辑推荐的答案中提到了一张有关数据科学的图，眼花了吗，想玩转数据挖掘，不都了解了解能成吗：

数据挖掘在右上方。

而知识图谱呢，本质上就是图，一个图就是N多个三元组：vertex和edge，或者说node和relation，具体而言就这两种：

object--property--property value

object--relation--object

三元组就是最原子的规则。推理引擎用到的也就是这东西。所以，如果你有了这三样东西，只需了解知识的组成和（推理引擎的）查询语言就能推理了，而不用管算法那些底层东西：强大的知识图谱数据集

推理引擎

查询语言

所以，用知识图谱来做数据分析的优点是啥呢？不需要数据科学家，不需要算法专家，只要经过简单的培训（某个领域知识的构成/数据库表，查询语言怎么用/SQL），就能上手把玩了。