知识图谱--概览
KG的本质
1）Web视角
像建立文本之间的超链接一样，建立数据之间的语义链接
2）NLP视角
从文本中抽取语义和结构化数据
3）KR视角
利用计算机符号表示和处理知识
4）AI视角
利用知识库辅助理解人的语言
5）DB视角/ Database
用图的方式存储知识
知识表示（knowledge Representation,KR）：
1）一种描述知识的数据结构，与数据表示的区别是KR支持推理。
2）知识表示有基于离散符号的知识表示，比如RDF（resource description framework）、OWL(web的本体语言)等各种Rule Language。基于连续向量/张量的表示，比如Tensor，各种Embedding，神经网络表示等。
应用范例
1）KG辅助搜索：KG4SEO
网页搜索 >> 语义搜索
Web of Docs >> Web of Data
2）KG辅助问答：KG4BOTS
KBQA(Knowledge Bases Qusetion Answering)新的发展（综合使用文本 + KB + 深度神经网络来实现问答）
Visual Qusetion Answering（显示的知识推理，基于可视的知识问答）
3) KG辅助决策:微软研究院：Local Knowledge Powered Global Learing(碎片化知识图谱的知识推理和深度学习的决策模型结合起来)
预测性分析（美国大数据公司：PAIANTIR）
4) KG辅助语言理解：Machine Reading（利用KG辅助深度神经网络提升实体抽取、事件抽取等机器阅读任务的效果）
5) KG辅助AGI：常识推理
6) KG辅助AI:
知识图谱工程
各种知识图谱项目:
1）Freebase (被google收购，已经关闭)
2）Wikidata（全世界最大的免费知识库),https://www.wikidata.org/wiki/Wikidata:Main_Page
3）Cyc 常识数据库，https://www.cyc.com/
4）Wordnet 词典知识库, https://wordnet.princeton.edu/
5) ConceptNet 常识数据库（免费开放）http://conceptnet.io/
6）DBPedia 早期语义网项目，数据库版本的wikipedia https://wiki.dbpedia.org/
7) YAGO 链接数据库，集成了Wikipedia,WordNet,GeoNames https://www.mpi-inf.mpg.de/departments/databases-and-information-systems/research/yago-naga/yago/
8) Babelnet 类似与WordNet的多语言词典知识库 https://babelnet.org/
9) NELL 从web 自动抽取三元组知识的知识库 http://rtw.ml.cmu.edu/rtw/
10）Concept Graph 以概念体系为中心的知识图谱，主要通过从互联网和网络日志中挖掘来构建。https://concept.research.microsoft.com/
11）Schema.Org语义数据 ：https://schema.org/docs/gs.html
12）OpenKG 中文知识图谱资源库 http://openkg.cn/
13）zhishi.me 中文知识库