知识图谱
知识图谱（Knowledge Graph）是人工智能重要分支知识工程在大数据环境中的成功应用，知识图谱与大数据和深度学习一起，成为推动互联网和人工智能发展的核心驱动力之一。
知识图谱的概念
1994 年图灵奖获得者、知识工程的建立者费根鲍姆给出的知识工程定义——将知识集 成到计算机系统从而完成只有特定领域专家才能完成的复杂任务。在大数据时代，知识工程 是从大数据中自动或半自动获取知识，建立基于知识的系统，以提供互联网智能知识服务。 大数据对智能服务的需求，已经从单纯的搜集获取信息，转变为自动化的知识服务。我们需要利用知识工程为大数据添加语义/知识，使数据产生智慧（Smart Data），完成从数据到信息到知识，最终到智能应用的转变过程，从而实现对大数据的洞察、提供用户关心问题的答 案、为决策ᨀ供支持、改进用户体验等目标。 知识图谱在下面应用中已经凸显出越来越重要的应用价值： 知识融合：当前互联网大数据具有分布异构的特点，通过知识图谱可以对这些数据 资源进行语义标注和链接，建立以知识为中心的资源语义集成服务； 语义搜索和推荐：知识图谱可以将用户搜索输入的关键词，映射为知识图谱中客观 世界的概念和实体，搜索结果直接显示出满足用户需求的结构化信息内容，而不是 互联网网页； 问答和对话系统：基于知识的问答系统将知识图谱看成一个大规模知识库，通过理 解将用户的问题转化为对知识图谱的查询，直接得到用户关心问题的答案； 大...
简介|知识图谱（Knowledge Graph）
知识图谱（Knowledge Graph）以结构化的形式描述客观世界中概念、实体及其之间的关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和 理解互联网海量信息的能力。 知识图谱给互联网语义搜索带来了活力，同时也在智能问答中 显示出强大威力，已经成为互联网知识驱动的智能应用的基础设施。 知识图谱技术是指知识图谱建立和应用的技术，是融合认知计算、知识表示与推理、信 息检索与抽取、自然语言处理与语义 Web、数据挖掘与机器学习等交叉研究，属人工智能重 要研究领域知识工程的研究范畴。知识图谱于 2012 年由谷歌提出并成功应用于搜索引擎， 是建立大规模知识的一个杀手锏应用。 知识图谱（Knowledge Graph）的基本概念 知识图谱（Knowledge Graph），是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系，其基本组成单位是『实体-关系-实体』三元组，以及实体及其相关属性-值对，实体之间通过关系相互联结，构成网状的知识结构。 知识图谱与人工智能的关系 知识图谱对于人工智能的重要价值在于：知识是人工智能的基石。 机器可以模仿人类的视觉、听觉等感知能力，但这种感知能力不是...