一、前言

知識圖譜（Knowledge Graph）突然就變得很熱門，自己也被分配去研究構建知識圖譜了，中間也看了很多資料，這里想做個小筆記，方便日后的查閱和備忘吧！

二、什么是知識圖譜？

構成這個世界的是實體，而非字符串（things, not strings）。

知識圖譜其實就是以前的語義網，只不過換了一個名字而已。知識圖譜就是把所有不同種類的信息（Heterogeneous Information）連接在一起而得到的一個關系網絡。知識圖譜提供了從“關系”的角度去分析問題的能力。

知識圖譜這個概念最早由Google在2012年提出的，主要是用來優化現有的搜索引擎。不同于基于關鍵詞搜索的傳統搜索引擎，知識圖譜可用來更好地查詢復雜的關聯信息，從語義層面理解用戶意圖，改進搜索質量。比如在Google的搜索框里輸入“Marie Curie”（瑪麗·居里）這個查詢詞，谷歌會在右側提供了居里夫人的詳細信息，如個人簡介、出生地點、生卒年月等，甚至還包括一些與居里夫人有關的歷史人物，例如愛因斯坦、皮埃爾·居里（居里夫人的丈夫）等。

三、構建流程

四、我的摸索

知識圖譜的構建一般就是分為上面說的四個步驟，其中“知識存儲”是很重要的一步，這個關系到你接下來的工具學習。一般來說，知識圖譜有兩種存儲的形式，一種就是傳統的RDF存儲，另一種就是圖數據庫存儲，這里推薦采用圖數據庫，因為google知識圖譜采用的就是圖數據庫的形式，而且RDF的形式學習成本比較高，上手麻煩。

下面是我的摸索過程：
剛開始采用的是RDF的形式，畢竟剛接觸知識圖譜的時候，大家肯定都是用過斯坦福大學提供的可視化工具protege來手工構建，我自己也學習了一下，發現實在太繁瑣，效率很低，而且不適合大一點知識圖譜的構建，最終棄掉的主要原因是對中文支持差。后來知道了jena，是一個java框架，提供了API來處理基于RDF的本體數據，方便半自動的構建，所以之后就采用了jena 和 virtuoso的組合（一個可以存儲RDF的數據庫，據說stardog更加的不錯），但是發現傳統的RDF查詢需要用到sparql，學習成本很高，很復雜也不好用。
最終，采用了neo4j圖數據和它本身提供cypher查詢語句的方式，優點明顯，學習和上手簡單了很多，而且因為neo4j也是比較主流的圖數據，資料豐富很多（中文有兩本不錯的書：《圖數據》和《neo4j實戰》，方便入門），neo4j本身還提供了可視化數據的功能，方便知識庫的構建。

以上就是我的摸索過程，僅供大家參考，純屬個人觀點。

如果也有在摸索知識圖譜構建的同學或者前輩，歡迎留言交流和指導，我自己也還在不斷摸索和學習中！Ｏ（∩＿∩）Ｏ

總結

以上是生活随笔為你收集整理的知识图谱构建摸索的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。