知识图谱的理解

01

什么是知识图谱

互联网上拥有丰富的资源。但是，大多数的资源都只能被人理解，而机器无法理解，如何让机器像人一样理解文本？——知识图谱。

知识图谱本质上是一种语义网络，以实体或者概念作为节点，通过语义关系相连接。知识图谱来源于语义搜索、机器问答、情报检索、电子阅读、在线学习等实际应用。

来源：https://blog.csdn.net/sinat_34439107/article/details/81837832

02

知识图谱应用

（1）关联分析

通过将知识映射到图谱的实体节点之间形成节点之间关联，通过数据整合后清洗出的大量实体属性与知识，可以快速从一个实体出发，寻找其各种语义，场景下的关联实体，并构建其关联图谱

应用于信贷背调：建立目标企业最实时，最全的关联族谱，快速发掘隐藏风险与经营状况，判断目标企业实际控制人

应用于风控舆情：建立多渠道，多来源的实时信息监控系统，通过规则的制定，满足客户的风险监控，舆情检测，目标企业跟踪，贷后投后管理等需求

（2）营销展业

营销知识图谱，对用户根据固定特征、兴趣特征、社会特征、消费特征、动态特征等进行分群标记，帮助企业完善用户画像。

03

知识图谱构建过程

构建逻辑过程

待解决问题：

（1）图谱，统一节点多次不同地方出现，如何表示

（2）图谱，具体实现过程，如何表示与保存

知识图谱在逻辑上可分为模式层与数据层两个层次。

数据层主要是由一系列的事实组成，而知识将以事实为单位进行存储，采用图数据库，例如开源的Neo4j、Twitter的FlockDB、sones的GraphDB等以及中科天玑自主研发的Golaxy Graph等，需要进一步了解

通常采用本体库来管理知识图谱的模式层。本体是结构化知识库的概念模板，通过本体库而形成的知识库不仅层次结构较强，并且冗余程度较小

（3）如何从数据源中抽取出高质量的实体/概念集

04

知识图谱架构