知识图谱简介:事物，而非字符

　　内容有点老，来自于2012年5月谷歌的官方博客。此篇文章是对谷歌博文的简单汇总。博客本身比较容易理解，建议直接跳过此篇文章直接食用谷歌的文章。
　　知识图谱之前，搜索使用的是字符串(String)匹配,但是诸如李宁，可能有多重含义：服装品牌、运动员等。谷歌团队致力于研究一种智能模型—即“知识图谱”，以来理解搜索词对应的现实世界的实体(thing)及实体相关联的事物。
　　知识图谱允许你搜索人、事、城市、建筑、电影等实体，而且能够立即返回与其相关的实体（比如搜索电影的导演）。
　　Google’s Knowledge Graph isn’t just rooted in public sources such as Freebase, Wikipedia and the CIA World Factbook. It’s also augmented at a much larger scale—because we’re focused on comprehensive breadth and depth. It currently contains more than 500 million objects, as well as more than 3.5 billion facts about and relationships between these different objects. And it’s tuned based on what people search for, and what we find out on the web.

知识图谱主要在三个方面提高了谷歌搜索性能：

一.搜索到更精确的事物

　　比如我们搜索Taj Mahal，他有“印度的泰姬陵”和“美国的音乐家”等至少两重完全毫无关联却又分量都很重的含义。此时谷歌会在“Taj Mahal”的搜索界面提供定向到各个结果集的链接“see results about”，供用户查询不同含义的结果集。如图：

二.为用户展示最好的摘要

　　基于知识图谱，谷歌可以为用户搜索的内容产生更好的摘要：包括用户可能想知道的事情——实现方式是谷歌会研究用户曾经在谷歌上搜索的每个条目及其对所搜条目的相关操作。
　　知识图谱也能够帮助“搜索”更好的理解事物之间的关联。以居里夫人为例，搜索结果右上角包含了对象属性、数据属性关联的各种数据。

三.使搜索更具有广度和深度

　　知识图谱可以使我们有一些非常有意思的偶然的发现。比如当你搜索“辛普什一家原创艺术家名字”时，可能发现动画中任务来自于他父母和子女的名字。
　　谷歌工程师相信，完美的搜索引擎能够准确的理解用户想要什么，而且能够在用户提问是就将用户下一次想要的答案反馈给用户，这可以通过“其他用户也搜索了XXX”实现。比如我们搜索莫言时，也会找到与他的作品获得相同重大奖项的人。示例如下：