剛接觸知識圖譜，最近也在學習王昊奮老師的視頻，做小小的總結，不好的地方多多指正！
一、知識圖譜（Knowledge Graph，KG）與語義技術概述
KG，2012谷歌提出，作用是能輔助搜索（從網頁搜索到語義搜索，從文本鏈接到數據鏈接），輔助問答，輔助決策，輔助AI（常識推理）；
人的記憶偏重關聯；
知識表示方法：框架系統、產生式規則、描述邏輯；
知識庫形成：手工眾包、格式轉化、元組抽取、實體融合、鏈接預測、推理預測、語義嵌入
二、典型知識庫系統簡介
CYC：常識知識庫，由術語Term和斷言Assertions組成，http://www.cyc.com
Wordnet：英文詞典知識庫，主要用于詞義消歧http://wordnet.princeton.com/
ConceptNet：常識知識庫，三元組形式的關系型知識構成，更加自然語言的描述http://conceptnet.io/
Freebase：開源免費允許商業http://www.freebase.com
Wikidata：http://wikidata.org/
DBPedia：http://dbpedia.org
YAGO：集成Wikidata、Wordne、GeoNameshttp://mpii.de/yago
Babelnet：多語言詞典數據庫http://babelnet.org/
NELL：三元組知識庫，采用互聯網挖掘的方法從Web自動抽取http://rtw.ml.cmu.edu/
微軟Concept Graph：用于文本理解和語義消歧http://concept.research.microsoft.com
Open KG：中文KG資源庫
Zhshi.me：http://zhishi.me
cnSchema:基于社區維護的開中文KGhttp://caschema.org
三、KG技術概覽
什么是知識表示？
利用計算機符號來表示人腦中的知識，以及通過符號之間的運算來模擬人腦的推理過程。
語義網知識表示框架?
什么是三元組：主（節點）謂（邊）賓（節點）
SPARQL是RDF的查詢語言，類似SQL
JSON-LD：數據交換格式????
RDFa，HTML5 MicroData：在網頁中嵌入語義數據
知識抽取：NLP（自然語言）+KR（知識推理）
知識存儲：基于關系數據庫的存儲和基于原生圖的的存儲
知識問答（KBQA）：有一個知識庫回答提問
知識推理：基于已知事實推出未知的事實，分類：（解決方法）基于描述邏輯、規則挖掘、概率邏輯、學習與神經網絡的推理，（推理類型）缺省、連續變化、空間、因果關系推理
知識融合：工具-Dedupe（基于python的工具包），工具-LIMES,不要求兩個數據集的實體具有相似的數據結構http://openkg/tool/limes
知識眾包：Wikibase、Schema.ORG?
四、典型案列簡介
Open PHACTS（歐盟重大聯合攻關項目），面向藥物研發
中醫藥知識平臺
電商知識圖譜（阿里）：電商管控，自動審核，不良商品下架
企業知識圖譜應用（SAP）
金融：鏈接金融數據
大英博物館：知識圖譜與本體設計
BBC：打通BBC全領域
