【知识图谱】知识图谱的本质是什么？

本文关注点在于：
1.总结知识图谱等事物的本质
2.梳理容易混淆的几个概念之间的关系
用尽量简短的话讲清楚。

一句话总结知识图谱

知识图谱是一种结构化的语义知识库，能够描述物理世界的实体、概念及其相互关系，本质是用图表示知识，给机器提供先验知识。
（往大了说，知识图谱是实现从感知到认知智能的重要基石。但目前更多的是作为一种辅助信息用于提升各种模型训练的效果，最成功的应用方向应该是智能问答KBQA和语义搜索）

人工智能从感知到认知

人工智能有三种学派：连接学派（模拟脑的结构），符号学派（模拟人的心智），行为学派（模拟人的行为），连接学派主要是利用大数据和深度学习，解决的是感知层面的问题（计算机视觉，语音识别）。
认知智能是属于符号学派的，如自然语言的理解，推理和联想等，需要知识。
深度学习从大数据中学习到的是特征，而不是知识。

什么是知识？

知识是经过剪裁、塑造、解释、选择和转换了的信息，换句话说，知识是加工了的信息。
如：“奥巴马是美国的前总统”，对机器而言就是一句话，不知道在讲什么；
处理一下，如变成三元组：（美国，前总统，奥巴马），这就是一条知识了。
这个转换的过程，就是知识表示。
信息关联后所形成的信息结构：事实&规则

什么是先验知识？

直白来说，就是事情发生前已经知道的知识，比如你听到“汪汪声”，你猜那是狗；你听到“嘎嘎声”，你猜那是鸭子；你的判断是在不经意的间做出的，事实上做这些判断之前，你已经具备了先验知识，这些知识大概率就是你小时候学习到的。
对于机器而言，没有先验知识，无法做任何分类和预测，模型训练的过程就是机器学习先验知识的过程，比如根据大量的猫的照片学习到猫的特征，当遇到一张没见过的照片时，判断是不是猫。
知识图谱对于机器的作用就是提供大量的先验知识，这类知识，常常作为辅助信息用于算法训练中。
相对的，还有后验知识。

什么是知识表示？

将人类知识形式化或者模型化的过程就是知识表示。
知识表示是将信息抽取成知识，用于给机器提供先验知识。
有很多种知识表示方法，如状态空间法、问题规约法、谓词逻辑、语义网络、本体技术等。

知识图谱的基本组成要素？

实体，属性，关系。
为什么不是本体，属性，关系？
本体是构建阶段的产物，是知识的顶层架构，是概念层面的东西，在实际的知识图谱中，存储的都是实体。

什么是概念？什么是实体？什么是本体？

举个栗子：
张三是一个实体，其具有年龄、性别、职业等属性；
同时，张三是一个人，“人类”就是一个概念、类似的还有“国家”，“民族”等抽象概念；
本体是概念的集合，知识图谱本体层的东西就是各种概念。
本体的最大作用是见下一条。

什么是知识图谱的schema？

schema在不同的技术领域有不同的含义，在知识图谱中，schema等价于本体，构建知识图谱的schema就等价于构建知识图谱的本体，也就是构建各种概念及其关系。
定义好schema，就相当于制定好了知识图谱的顶层设计。
schema的作用：
1.用于规范结构化数据的表达
不满足schema预先定义好的实体对象及其类型，无法被添加到知识图谱中。
2.严格的schema设计，可便于知识推理


参考：https://blog.csdn.net/Solitarily/article/details/79705753

一定要构建schema吗？

是的，无论是自上而下还是自下而上的知识图谱构建方式，都会涉及到本体层的构建，但在实际构建过程中，特别是自下而上的方式中，可能在没有刻意去制定时，就完成了简单的本体设计。

两种知识图谱的组成划分方式

注意，不是分类方式，这两种方式是知识图谱构建阶段考虑的事情。
方式一：划分为本体层和实体层；
方式二：划分为模式层和数据层；
两种方式本质上是等价的

知识图谱和知识库是什么关系？

知识图谱是一种知识库，知识库范畴更广。和其它知识库的区别在于，知识图谱是网状的。

知识图谱和语义网络是什么关系？

首先，知识图谱本质是语义网络；其次，是先有语义网络，再有知识图谱；
在表现形式上，语义网络和知识图谱相似，但语义网络更侧重于描述概念与概念之间的关系，而知识图谱则更偏重于描述实体之间的关联。
在很多说法中，知识图谱都说成是语义网络，没有问题。

知识图谱和NLP是什么关系？

知识图谱是应用，NLP是工具。
这两者因为文本而产生了联系。因为现在场景的知识图谱都是基于文本来抽取知识的，所以在构建和应用过程中会用到大量的NLP算法和工具。
但知识图谱不是一定要NLP算法的，比如基于图像构建的知识图谱就不需要NLP。
所以，知识图谱也不是NLP的未来，只是它的一个应用方向罢了。但知识图谱有可能是人工智能的未来，因为它为机器提供了大量的先验知识，个人观点。

知识图谱和深度学习是什么关系？

知识图谱是应用，深度学习是工具
知识图谱的构建和应用不是非要深度学习的，以前没有深度学习的时候也有知识图谱。
没有深度学习如何构建知识图谱？
有两种方法：基于规则算法和基于统计学习方法。不用的方法优缺点不同，不是非要上深度学习的。再实际的知识图谱构建过程中，反而优先推荐尝试使用规则算法来快速构建第一版，搭建起知识图谱的雏形，在构建的过程中完善schema。后续根据规则算法的短板，再决定是否用统计机器学习和深度学习。