知识图谱基础知识理解

1、本质而言，知识图谱旨在从数据中识别、发现和推断事物、概念之间的复杂关系，是事物关系的可计算模型。

知识图谱的构建涉及知识建模、关系抽取、图存储、关系推理、实体融合等多方面的技术，

而知识图谱的应用则涉及到语义搜索、智能问答、语言理解、决策分析等多个领域。构建并利用好知识图谱需要系统性的利用好涉及知识表示、数据库、自然语言处理、机器学习等多个方面技术。

2、知识图谱与传统专家系统时代的知识工程有显著的不同。与传统专家系统时代主要依靠专家手工获取知识不同，现代知识图谱的显著特点是规模巨大，无法单一依靠人工和专家构建。

现代知识图谱如谷歌和百度的知识图谱都已经包含超过千亿级别的三元组，阿里巴巴于2017年8月份发布的仅包含核心商品数据的知识图谱也已经达到百亿级别。

3、现代知识图谱对知识规模的要求源于“知识完备性”难题。在实际的领域应用场景中，知识不完全也是困扰大多数语义搜索、智能问答、知识辅助的决策分析系统的首要难题。

4、知识图谱工程的核心流程包括：知识建模、知识抽取、知识融合、知识推理、知识检索、知识分析等核心环节。

一般的技术流程包括：首先确定知识表示模型，然后根据数据来源选择不同的知识获取手段导入知识，接下来需要综合利用知识推理、知识融合、知识挖掘等技术对所构建的知识图谱进行质量提升，最后根据场景需求设计不同的知识访问与呈现方法，如：语义搜索、问答交互、图谱可视化分析等。