原创实在不易，欢迎大家关注我微信公众号：阳洋up

我本人主要是做知识图谱表示学习研究的，通过读取大量CCF顶会论文以及与导师的交流沟通，逐渐形成了对知识图谱的大的层面上的一些认知，希望在CSDN平台上分享我的一些学习经验和学习心得，以及学习资源，能够为将来AI从业者提供一些拙见，少走一些弯路！也希望同行们能够给出一些建议，大家相互交流，共同进步！

1、知识图谱到底是什么？

       提到知识图谱，相信很多人工智能研究者并不陌生。2012年5月17日，Google正式提出了知识图谱（Knowledge Graph）的概念，而其初衷是为了优化搜索引擎返回的结果，增强用户搜索质量及体验。那么知识图谱到底是什么？翔哥特地找了一张图来给大家看：

没错，知识图谱就是这么直观的图，大家仔细看，就会发现，这其实就是一个由节点和边组成的语义网络，这是对知识的一种表达组织方式。在学术上，研究者们喜欢称这些节点为实体或者属性值，这些边为关系或者属性。1）节点：①实体：指的是独立存在的某种事物。一个人、一个地方、一种商品等等都可以称为一个实体，例如上图中所示的“华盛顿”就是一个简单的实体，当然，抽象的概念也可以作为实体，比如医学中的“休克”。②属性值，例如上图中的“2069.3万”，属性值一般附属于实体，体现实体的某一方面。2）边：①关系：近存在于实体对之间；②属性仅存在于实体与属性值之间。

2、为什么需要知识图谱？

        人类从诞生开始，就一直试图创造出特殊的符号来描述和刻画现实世界，文字就是如此。正是有了这些文字，我们中华文明文化才得以延续，薪火相传。为了高效地对知识进行组织与表示，人们不断地创新，于是就有了文本、表格、坐标图等知识表示形式。那么后来，为什么人类又创造出了知识图谱这种知识组织形式呢？

        原因有一下几条：

        1）语义表达直观：相比于非结构化文本，结构化的知识图谱对语义的表达更加直观，可读性很强，而且有了知识图谱，机器完全可以重现我们的这种理解与解释过程；

        2）与人类认知方式一致性：强人工智能必然要求机器理解人类语言建立在人类认知方式的基础上，就像深度学习中神经元的信息交互模拟智慧生物学特征一样，而知识图谱与人类的认知方式显然比非结构化文本要相似的多。所以说，可以将知识图谱作为机器理解人类知识的载体，是人类知识与机器之间的快速通道；

        3）支持大规模生产：语言理解需要背景知识，没有强大的背景知识支撑，是不可能理解语言的。而庞大的知识图谱可以帮助机器理解人类语言知识等。而图表却不能作为常态化的大规模背景知识来使用，非结构化文本虽然可以大规模生产，但是却不够直观。

3、知识图谱有哪些应用？

       说到知识图谱的应用，其实，我更喜欢将知识图谱看作是一道食材，而与之相关的各种应用场景，更像是一道一道的菜肴。比如一条鱼，你可以清蒸、红烧，当然也可以油炸。知识图谱充当的角色就像是一道新鲜珍贵的食材，而机器学习、神经网络、嵌入学习，就像是切菜的刀，烧菜的火，调味的调料配方，最后的智能对话系统、smart agent、个性化推荐系统这些落地之后的应用场景，就像是一道道美味的菜肴，如，清蒸鲈鱼，红烧鲤鱼等。目前的工业大环境其实是：食材已经备好了，但是切菜的刀、烧饭的火，调味的调料配方还都处于十分初级的阶段，为了占据先机，各大企业都在匆忙将这些技术落地，需要大量的人才，岗位主要设计NLP算法岗，以及AI lab中的各个岗位。相信各个想要从事AI领域的人才，将来5年内的将迎来一个红利时代！

       1）语义搜索

       语义搜索的本质是通过数学来摆脱当今搜索中使用的猜测和近似，不再拘泥于用户所输入请求语句的字面本身。二是透过现象看本质，准确地捕捉到用户所输入语句后面的真实意图，并以此来进行搜索，从而更准确地向用户返回最符合其需求的搜索结果。下面是个例子，搜索“特朗普的儿子”，出现的界面是特朗普儿子的“照片”、“相关信息”等信息，这是用户需要的。如果是传统的搜索引擎，那么因为特朗普的热度较高，从字符上匹配特朗普之后，很有可能返回的信息全是特朗普的相关信息。

       2）智能问答

       智能问答，可以看作是语义搜索的延伸，语义搜索的结果会按照某种规则进行排序，依据一定的算法将最相关的排在前面，我们使用百度、谷歌搜索引擎进行搜索时，结果可能包括很多页，就是语义搜索的常见形式。智能问答，属于一问一答，只要一个答案，也就是将最相关的那个答案反馈给用户，就像聊天一样，不断进行问答，回答不仅仅是在知识库搜索，还要考虑前面的聊天内容。

       3）个性化推荐

       个性化推荐系统是互联网和电子商务发展的产物，它是建立在海量数据挖掘基础上的一种高级商务智能平台，向顾客提供个性化的信息服务和决策支持。举一个生活中的例子，我们网购一些商品之后，信息被系统保留并分析，当我们下次在打开购物软件时，页面就会出现一些我们用户可能感兴趣的商品。这样做可以提升用户的购物体验，节省时间成本。因为电子商务中，用户与商品，商品与商品，用户与用户本身就符合知识图谱结构的特性，所以将知识图谱技术运用到推荐系统中，是水到渠成的事。

       4）辅助决策

       利用知识图谱的思维与知识，对知识进行分析处理，通过一定规则的逻辑推理，得出对于某种结论，为用户决断提供支持。其实这两年新兴起的事理图谱更加适合做推理。辅助决策涉及到的专业知识比较多，所以此处用来做辅助决策的知识图谱主要指的是专业领域的知识图谱。

（好啦，这次就分享到这里，我上传了几份知识图谱基础入门的PPT文件供大家学习，如果大家支持，欢迎大家点赞，并关注，后续会更新更多知识图谱的学习心得和学习干货！有问题可以评论区留言，24小时内回复）