知识图谱资源分享

        知识图谱是由谷歌公司首先提出，被互联网公司用来以语义角度组织网络数据，从而提供智能搜索服务的大型知识库。形式上，它是用图数据结构表示的知识载体，描述客观世界的事物及其关系，其中节点代表客观世界的事物，边代表事物之间的关系。

        知识图谱是人工智能应用不可或缺的基础资源，其在语义搜索、问答系统、智能客服、个性化推荐等互联网应用中有着重要的地位，在金融智能、商业智能、智慧医疗、智慧司法等领域具有广阔的应用前景。

        知识在数据中，随着互联网的广泛应用，人类在与自然和社会交互的过程中，产生了巨大的数据量，其中包含了大量描述客观规律的有用数据。这些信息也以图片、声音、文字、视频等形式进行存储。面对这些结构化的数据，如何让计算机进行处理和识别，成为了重要的问题。而图谱是一种可以高效表达数据之间结构关系的形式，因此我们可以将数据以图谱的形式进行表达，因此这也成为了人工智能的基础设施。        

        知识图谱以三元组的形式存储显示世界中的实体以及实体之间的关系：

 

在构建和应用知识图谱过程中有几个重要的环节，包括知识体系构建、知识获取、知识融合、知识存储、知识推理和知识应用等。

1.知识体系构建：资源描述框架（RDF），RDF三元组<主体（subject），谓词（predicate），宾语（object）>，一个三元组描述的是两个实体之间的关系或者一个实体的属性。如三元组“首都（中国，北京）”，其中“首都”是关系，“中国”是头实体，“北京”是尾实体；而在三元组“国籍（姚明，中国）”中，“国籍”表示属性，“姚明”表示头实体，“中国”表示属性值。

2.知识获取：数据包括了结构化数据、半结构化数据、非结构化数据。其中结构化数据可以来自各个企业内部数据库中的私有数据，也可以是网页上看见的一些表格；半结构化数据是不能通过模板直接获得的结构化数据；非结构化文本数据，是指纯文本，既自然语言文本数据。

3.知识融合：是对不同来源、不同语言或不同结构知识进行融合。

4.知识存储：研究采用何种方式将已有知识图谱进行存储。

5.知识推理：通过推理手段发现已有知识中隐含的知识。

6.知识应用：智能搜索、自动问答、推荐、决策支持。

有关知识图谱的教学资源可见微信公众号：GIS攻略并回复知识图谱！！！

 

参考文献：

赵军,刘康等.知识图谱.高等教育出版社