知识图谱系列文章——文物知识图谱

文章介绍

背景

1、文物可以提供创意，如哥窑面饰的照相机
2、目前文物数字化工作非常少，没有纳入设计元素
3、文物知识图谱建成后具有很多好处&#￥

方法

一、本体构建
1、明确领域和目的——文物知识图谱&设计创意
2、领域信息采集与分析——文物信息，３４０件文物实例，
3、定义文物本体概念和结构层次
4、定义概念属性和属性约束
5、本体编码（建模语言和工具）
6、本体评估——Jena的内嵌推理机，基于描述的逻辑
7、本体实例化——关系数据库数据导入
8、评估、迭代
二、图谱构建
逻辑不清。。。。
三、语义检索
分词（通过专业词典）——同义转换（同义词典，近似表示到本体概念）——概念映射 / 语义拓展 / ——
四、智能推荐
五、开发系统
工作量比较大

效果

个人收获

1、知识图谱发展背景：
辛格尔博士2012.5推出知识图谱概念。
传统检索，根据关键字匹配到对应网页，对网页进行排序，想了解详细信息还需要进入相应页面获取。
机械性地匹配了查询词与ｗｅｂ页面之间的包含关系，并没有能够真正理解用户的检索意图，如果这一点不改进的话，那么往后发展下去，检索引擎也有可能被淘汰掉。
而知识图谱则会将“黄河”理解成一个实体，黄河代表了现实世界中一个事物。那么在检索的时候，知识图谱就会提取出黄河的属性信息，例如发源地，河
长，平均流量等信息，显示在检索页面的右侧，供用户浏览。甚至检索引擎有时
候还会返回与检索词相关的其他实体信息，比如说“长江”，“尼罗河”等。
2、知识图谱应用（一般分类都有重合之处）（本篇就是错误）
（1）检索引擎
（2）智能问答
（3）互联网金融
（4）影视多媒体
3、系统开发
本文中，本体和实例单独存储。本体存在关系型数据库中（包括了是咧数据），实例数据存储在neo4j数据库中
没有实现实时更新。。。
4、后来发现该系统其同门博士论文也有介绍，更详细。
《面向文化创意设计的文物知识集成与管理研究》。此篇采用传统的存储方法，直接存储在mysql中，分为概念、属性、实例、规则、用户、用户收藏表。其中本体包括了实例。
还提到规则扩充本体库的方法。本体只是进行了显性知识的梳理，隐形知识通过推理才能得到。人工和半自动定义规则。
文中语义检索为基于本体库，映射到本体库中的概念（因为分词和同一转化均已经转化为了概念，因此无需映射到实例中），然后计算概念的相似性