知識圖譜 (Knowledge Graph) 是當前的研究熱點。自從 2012 年 Google 推出自己第一版知識圖譜以來，它在學術界和工業界掀起了一股熱潮。各大互聯網企業在之后的短短一年內紛紛推出了自己的知識圖譜產品以作為回應。比如在國內，互聯網巨頭百度和搜狗分別推出”知心“和”知立方”來改進其搜索質量。

知識圖譜本質上是語義網絡，是一種基于圖的數據結構，由節點 (Point) 和邊 (Edge) 組成。在知識圖譜里，每個節點表示現實世界中存在的“實體”，每條邊為實體與實體之間的“關系”。知識圖譜是關系的最有效的表示方式。通俗地講，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。

知識圖譜是基于圖的數據結構，它的存儲方式主要有兩種形式：RDF 存儲格式和圖數據庫 (Graph Database)。事實上，大部分開放的知識圖譜，都是以 RDF 形式對外開放。那么什么是 RDF？RDF 有什么優點？這篇 AI 前線的公開課總結解答了這些問題。

告訴你一個搜索服務優化方案：基于 RDF 的知識圖譜管理?

說道問答系統大家都不陌生，從 2011 年 Siri 誕生，到 Google Now，再到 Cortana 和 Alexa，作為語音助手，其實它們本質上都是問答系統。這幾個都是面向公開領域的問答系統，在我們的日常生活中幫我們定鬧鐘、打電話、導航、搜索問題，偶爾還能講講笑話，也正讓我們的生活越來越方便。

而對于工作場景，一些行業的迅速崛起和發展，企業中員工每天面對的信息、數據、行業和業務知識都在不斷的更新迭代，以前“師傅帶徒弟”的方式，已經很難滿足將大量行業知識迅速學習并轉換為實際工作，從而符合企業增長需要的過程，所以，對于企業來說，快速讓員工迭代行業知識，迅速應用于實際工作中，企業員工也需要一個“懂行”的“智能助手”，它“懂得”內部大量的數據和知識，融合公網領域的數據和知識，形成行業問答系統，幫助員工迅速掌握行業知識，迅速上手工作。

這樣的行業問答系統雛形早在 Siri 之前就已經出現，2011 年 9 月，由 IBM 研發的 Watson 機器人參加智力問答節目“Jeopardy!”，就是一個計算知識引擎，相比搜索引擎其創新之處，在于能夠馬上理解問題，并給出答案。實際上 watson 在落地具體某個行業客戶的時候，就是做的行業問答系統。而現在，Alpha-sense 和 Kensho 也是現在 AI 領域相對成熟的行業問答系統。

那么基于知識圖譜的問答系統的優勢、核心問題在哪兒？

基于知識圖譜的問答系統淺析?

明略數據技術合伙人黃樺在 ArchSummit 深圳 2016 大會上和我們分享了：

企業級大數據簡析；

構建大數據知識圖譜產品；

• 知識圖譜是什么？

• 一個簡單的工商企業的知識圖譜；

• 如何落地知識圖譜產品？

• 圖數據庫及其選型；

應用淺談。

這篇分享，總結了落地技術應用的關鍵。

企業級大數據知識圖譜產品構建與應用

在很多其他的應用上，知識圖譜仍然可以發揮它潛在的價值，知識圖譜在互聯網金融行業中的應用主要是反欺詐、不一致性驗證、組團欺詐、異常分析、失聯客戶管理、智能搜索和精準營銷。

知識圖譜究竟怎么落地？

一直是困擾著金融機構的一個問題。 本文希望通過闡述知識圖譜概念本身的要素以及與金融行業結合的特點，幫助大家更好的認識、規劃和落地知識圖譜，以及介紹如何通過知識構建、知識計算、知識存儲、知識應用四個步驟讓知識圖譜技術真正落地。

知識圖譜技術落地金融行業的關鍵四步

知識圖譜在學術界和工業界受到越來越多的關注。這是一篇“一文看懂知識圖譜”的文章！

知識圖譜在互聯網金融中的應用?

今天，我們非常幸運地處在第四次工業革命之中，這其中最核心的科技就是人工智能。我們看到，人工智能已經在影響我們生活的方方面面，滲透到各行各業。無論是我們想搜索信息還是瀏覽信息，還是根據地圖導航出行，或者翻譯……各行各業都在大量地應用人工智能。

而知識圖譜是 AI 非常重要的基石。

百度王海峰：知識圖譜是 AI 的基石?

為了讓大家更好地掌握知識圖譜相關技術和典型落地案例，AICon 特設了會前為期 2 天的深度培訓，并邀請了明略數據 SCOPA 技術顧問邵鎣俠圍繞知識圖譜相關技術，展開從入門到實踐的落地分享，讓你從 0 到 1 系統掌握。

http://www.infoq.com/cn/news/2017/11/knowledge-graph-articles

總結

以上是生活随笔為你收集整理的你不得不看的六篇知识图谱落地好文的全部內容，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。