老焦专栏 | 一个典型的知识图谱应用建设案例

转载本文需注明出处：微信公众号EAWorld，违者必究。

1

知识图谱的几种典型应用方式

基于知识图谱的应用可以分为几种典型的类型，这几种应用使用的场景各有不同，在使用技术上也各有侧重，我们希望能够根据不同类型，总结出一些通用的场景，指导应用建设：

1）知识推理类型就是通过已知的知识，推理出未知的知识，这在知识图谱应用的建设中，具备非常大的诱惑力，例如大型装备的故障诊断，当装备发生故障的时候，会接到很多的故障报警信息，利用知识推理可以快速定位故障的原因，提高故障定位的速度，减少对人的依赖；

2）知识呈现类是将各种实体关系进行处理，用一定的方式呈现出来，帮助使用者理解复杂的事物，找出规律或者答案。例如在公共安全领域用“数据对碰”的方式找出嫌疑人与案件之间的关联， Palantir、i2 等公司都有这种知识可视化呈现的工具；

3）知识问答类应用根据提问者语音或者文字的输入，找到相关的知识，完成与提问者之间的互动，通常语音客服、员工助手等应用都属于这一类型。一般来说问答类应用分为听清、听懂、能做三个部分，听清可以基于目前百度、腾讯、科大讯飞等组件完成。由于这些应用往往面向特定的专业领域， 听懂和会做就可以采用领域知识图谱技术，通过交互得到 5W1H （Why、What、When、Where、Who、How）几个方面信息，让计算机按提问者要求完成工作。

4）知识共享类应用主要解决在不同机构之间知识共享。很多机构之间，由于法律法规等原因，无法直接获取对方数据，只能在相互之间通过知识图谱进行沟通，例如某市大数据中心有税务数据，公安侦查需要税务数据，但是根据法律不能直接调用具体的税务数据进行侦查，除非对具体主体立案。这种情况下，公安部门可以提供主体的一些典型特征，大数据中心根据特征提供相关主体的列表，公安部门根据列表缩小范围，继续侦查，得到新特征，再调取列表。经过几次知识的碰撞，确定相关嫌疑人，再进行立案调查。

2

基于相关矩阵的知识推理类应用：

大型装备故障自动诊断

知识推理的方法比较多，如果看理论文献，有自上而下的演绎法，在给定一个或者多个前提的基础上，推断出一个必定成立的过程。也有自下而上的归纳法，基于已观察的结果