本章首先介绍工业场景下知识图谱的概况和分类，然后概括性地介绍知识图谱实践过程中的一些基本原则和方法，最后介绍建设、维护大规模知识图谱所需的系统，以及该系统相应的架构设计。
1.1 知识图谱概述
近年来，得益于大数据的发展和云服务算力的大幅提升，使得基于全网信息、结构化客观世界的海量知识成为可能；此外，大规模结构化的知识建设，能够大幅提高互联网获取信息的效率。具体到特定行业，数字化行业知识有助于实现业务决策自动化，同时能够使得业务决策做到全局优化。正是在技术进步和工业应用的双轮驱动下，知识图谱在工业界如火如荼地建设中。当下，从整个产业来看，知识图谱大致分为通用知识图谱和行业知识图谱两大类。建设知识图谱、使用知识图谱是一个系统化的工程，涉及自然语言处理、语义网、逻辑推理等学术前沿科研课题。更重要的是，无论是通用百科类知识，还是行业的深度知识，都是海量的知识体系。知识规模的庞大使得知识图谱的构建工作涉及图数据库、海量知识管理工具、大数据生产系统等大规模工程化系统的建设。最后，知识往往来源于大数据的挖掘、与现有知识库的融合和多角色专家的输入，因此，知识图谱的建设需要大量的人工参与，复杂度非常高。
1.1.1 通用知识图谱
最早的知识图谱工业级应用是搜索引擎。主流的搜索引擎均建设有超大规模的通用知识图谱，以支持交互式搜索。另外，诸如天猫精灵等智能音箱提供基于语音和自然语言的交互式问答，更加依赖知识图谱提供的精准答案。这些知识图谱通常包括现实世界的常识，用户能用此查询人物、地点、事物和组织的描述和联系。
通用知识图谱中实体、关系和属性的类型是在本体中定义的。包含约几十亿个主要实体，上百亿个三元组知
Original: https://blog.csdn.net/u013250861/article/details/125814716
Author: u013250861
Title: 知识图谱de构建与应用（一）：知识图谱概述
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/557240/
转载文章受原作者版权保护。转载请注明原作者出处！