知识图谱简介

知识图谱：把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制而显示出来，展现学科的核心结构、发展历史、前沿领域及整体知识框架。
人的大脑依赖所学的知识进行思考、逻辑推理、理解语言，机器学习更多强调技术和算法，更多表现于基于大数据的学习能力，能够在视频、音频等各种形式的信息中表现出来很强的感知、识别、判断能力；知识图谱能提供更强大的推理能力，这种推理能力可能基于事先定义好的规则，也可能基于数据规范，并不一定要求是基于大数据，可以进行思考、语言和推理。
举个例子，在传统搜索引擎中，如果我们搜索比尔盖茨的妻子是谁，会出来一系列包含答案的网页，用户需要在众多信息中去寻找答案，但是知识图谱将信息抽取出来，能够直接给出答案，梅琳达·盖茨。

这样，知识图谱可以给我们带来以下优势：
（1）找到最想要的信息——全面展示多种信息；
（2）提供最全面的摘要——总结与搜索相关话题；
（3）让搜索更有深度和广度——构建与搜索结果相关的完整知识体系

知识表示：研究怎样用计算机符号来表示人脑中的知识，以及怎样通过符号之间的运算来模拟人脑的推理过程。
知识抽取（方法：正则表达式，模板匹配，规则约束，知识挖掘、训练等）：从结构或非结构化数据中抽取知识。
知识存储：知识比数据的结构更复杂，知识的存储需要综合考虑图的特点、复杂的知识结构存储、索引和查询（支持推理）等问题。典型的知识存储引擎分为基于关系数据库的存储和基于图的存储，以及混合存储模式。
知识推理：基于已知事实推出未知事实的计算过程