📜介绍了知识图谱基础知识
😃因为公司想让对话机器人结合知识图谱的技术，所以先学习知识图谱的相关内容，再评估是否能够进行技术的结合
1.知识图谱的知识表示
💡 知识图谱中知识的存储主要就是用节点加关系的形式存在，数据结构是图结构
💡 以下以Neo4j中的电影知识图谱演示实例为例
1.语义类型
- 语义类型也就是节点
Nodes的类型，在Neo4j里称为标签Label（Neo4j主要是图数据库，用来存储知识的，后面会涉及到）
2.语义关系
-
参影关系有172个，导演关系有44个，制作关系有15个，编辑关系有10个，审阅关系有9个，粉丝关系有3个
3.本体对象
- 包含着各个节点对象的具体属性信息
4.Neo4j
-
知识图谱在数据库中的存储形态
-
连接到数据库, 图谱的存储
Node Labels节点标签，表示图中含有Movie电影和Person人物两种语义类型Relationship Types关系类型，表示图中含有参影关系、导演关系、制作关系、编辑关系、审阅关系、粉丝关系这些关系Property Keys属性关键词，可以看做表中列的标签或字段 -
表现方式（有图，表，文本，代码四种表现形式）
2.知识图谱与人工智能
1.人工智能的业务架构
💡知识图谱是人工智能进步的阶梯
2.人工智能的技术架构
3.智能人机对话业务模型
💡知识图谱价值和定位主要是在语义理解、答案的支持、语言生成
4.谷歌人工智能战略
3.知识图谱的典型应用
语义理解、精准搜索、智能问答、辅助决策
💡注：知识图谱在金融领域几乎是屠龙之术，几无可能。因为银行与银行之间，无论是转账支出还是收入，都只能追踪到最近的一个节点，无法串起来，所以基于关系的知识图谱并不适合金融领域
1.语义理解
💡知识图谱的语音理解的应用在上述例子里面比传统的字词匹配要先进
2.智能搜索
可以显示搜索内容的相关的内容
3.智能问答
4.辅助决策
- 沃森系统，检测癌症准确率可以达到90%以上
- 沃森系统，10分钟之内诊断出患者的白血病
4.知识图谱的系统架构
1.知识图谱的体系结构
2.知识架构-语义类型设计
💡统一医学语言系统(Unified Medical Language System，UMLS)的语义类型
💡语义类型的研究就是对节点分类的研究
3.知识架构-语义关系设计（下面的关系几乎可以适用于任何领域，例如：教育、金融、医疗等）
💡语义的关系的间就是对节点和节点之间关系的研究
