第一节 知识图谱概述

刚接触知识图谱，最近也在学习王昊奋老师的视频，做小小的总结，不好的地方多多指正！

一、知识图谱（Knowledge Graph，KG）与语义技术概述

KG，2012谷歌提出，作用是能辅助搜索（从网页搜索到语义搜索，从文本链接到数据链接），辅助问答，辅助决策，辅助AI（常识推理）；

人的记忆偏重关联；

知识表示方法：框架系统、产生式规则、描述逻辑；

知识库形成：手工众包、格式转化、元组抽取、实体融合、链接预测、推理预测、语义嵌入

二、典型知识库系统简介

CYC：常识知识库，由术语Term和断言Assertions组成，http://www.cyc.com

Wordnet：英文词典知识库，主要用于词义消歧http://wordnet.princeton.com/

ConceptNet：常识知识库，三元组形式的关系型知识构成，更加自然语言的描述http://conceptnet.io/

Freebase：开源免费允许商业http://www.freebase.com

Wikidata：http://wikidata.org/

DBPedia：http://dbpedia.org

YAGO：集成Wikidata、Wordne、GeoNameshttp://mpii.de/yago

Babelnet：多语言词典数据库http://babelnet.org/

NELL：三元组知识库，采用互联网挖掘的方法从Web自动抽取http://rtw.ml.cmu.edu/

微软Concept Graph：用于文本理解和语义消歧http://concept.research.microsoft.com

Open KG：中文KG资源库

Zhshi.me：http://zhishi.me

cnSchema:基于社区维护的开中文KGhttp://caschema.org

三、KG技术概览

什么是知识表示？

利用计算机符号来表示人脑中的知识，以及通过符号之间的运算来模拟人脑的推理过程。

语义网知识表示框架 

什么是三元组：主（节点）谓（边）宾（节点）

SPARQL是RDF的查询语言，类似SQL

JSON-LD：数据交换格式    

RDFa，HTML5 MicroData：在网页中嵌入语义数据

知识抽取：NLP（自然语言）+KR（知识推理）

知识存储：基于关系数据库的存储和基于原生图的的存储

知识问答（KBQA）：有一个知识库回答提问

知识推理：基于已知事实推出未知的事实，分类：（解决方法）基于描述逻辑、规则挖掘、概率逻辑、学习与神经网络的推理，（推理类型）缺省、连续变化、空间、因果关系推理

知识融合：工具-Dedupe（基于python的工具包），工具-LIMES,不要求两个数据集的实体具有相似的数据结构http://openkg/tool/limes

知识众包：Wikibase、Schema.ORG 

四、典型案列简介

Open PHACTS（欧盟重大联合攻关项目），面向药物研发

中医药知识平台

电商知识图谱（阿里）：电商管控，自动审核，不良商品下架

企业知识图谱应用（SAP）

金融：链接金融数据

大英博物馆：知识图谱与本体设计

BBC：打通BBC全领域