人的记忆偏重关联
Web:以链接为中心的系统
语义网：从链接文本到 链接数据
每个点都是一个对象，每条边都是对象之间的关系
知识图谱：2012由谷歌提出，连接在一起的不再是
text，而是thing或者叫object
搜索出来的东西，不再仅仅是网页连接，而是一个个对象，与搜索的对象有明确的语义关系
语义分析，结构化搜索，FB的Graph Search
背后需要
知识表示，知识库的支持作用：辅助搜索、问答、辅助决策、常识推理
当深度学习遇到知识图谱，从感知、识别、判断进化到了思考、语言、推理
本质
- Web：语义搜索
- NLP：抽取语义和结构化数据
- KR：用计算机符号表示和处理知识
- AI：辅助理解人的语言
- DB：用图的方式存储知识
典型知识库项目
CYC 常识知识库 term+assertion
Wordnet:词典数据库，只要用于语义消歧
ConceptNet:常识知识库，三元组形式
Freebase:免费，允许商业化
Wikidata:目标是构建全世界最大的免费知识库
DBPedia:早期的语义网项目 30亿RDF三元组
Yago集成了Wikipedia, WordNet, GeoNames的数据，考虑了时间和空间知识， 1.2亿条三元组
Babelnet类似于WordNet，目标是解决多语种问题
NELL采用互联网挖掘的方法从WEB自动抽取三元组
微软Concept Graph以概念层次体系为中心的知识图谱
OpenKG.cn中文知识图谱资料库
zhishi.me
知识图谱的技术体系
把不同来源的数据通过各种技术手段（图中黑框字）形成知识图谱数据
- KBP: knowledge base population
- D2R: database to RDF (三元组 triple based assertion model)
知识表示
用计算机符号表示人脑中的知识，以及通过符号之间的运算来模拟人脑的推理过程。最早是基于数理逻辑，现在是基于向量空间学习的分布式知识表示
三元组 主谓宾RDF
RDF Graph
RDFS在RDF的基础上增加词汇量，增加约束Class, subClassOf, type, Property, subPropertyOf, Domain, Range
OWL 基于RDFS
complex classes, property restrictions, cardianlity restrictions, property characteristics
SPARQL RDF的查询语言
知识图谱的分布式表示 KG Embedding
知识抽取 NLP+KR
抽取方法
- 正则
- 模板匹配
- 规则约束
- 知识挖掘
- SVM CRF LSTM
- 训练
知识存储
多为混合存储模型 关系型 非关系型 图存储
知识问答
KBQA knowledge-based question answering
基本流程
知识推理
知识融合
对不同数据集中的实体信息进行整合，形成更加全面的实体信息
典型工具：
- Dedupe
- LIMES
知识众包
Wikibase
Schema.ORG
典型案例
略
