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。

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、为决策提供支持、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:

Ÿ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;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。

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;

大数据分析与决策:知识图谱通过语义链接可以帮助理解大数据,获得对大数据的 洞察,提供决策支持。