1、概論

????知識(shí)圖譜（KnowledgeGraph）以結(jié)構(gòu)化的形式描述客觀世界中的概念實(shí)體及其關(guān)系，將互聯(lián)網(wǎng)的信息表達(dá)成更接近人類認(rèn)知世界的形式，提供了一種更好地組織，管理和理解互聯(lián)網(wǎng)海量信息的能力。
????知識(shí)圖譜關(guān)注概念，實(shí)體及其關(guān)系，其中實(shí)體是客觀世界中的事物，概念是對(duì)具有相同屬性的事物的概括和抽象。本體是知識(shí)圖譜的知識(shí)表示基礎(chǔ)，可以形式化表示為O={C,H,P,A,I}，C為概念集合，如事務(wù)性概念和事件類概念，Hshi概念的上下位關(guān)系集合，P是屬性集合，描述概念所具有的特征，A是規(guī)則集合，描述領(lǐng)域規(guī)則，I是實(shí)例集合，描述實(shí)例-屬性-值。

2、什么是知識(shí)圖譜？

知識(shí)圖譜的定義：“知識(shí)圖譜本質(zhì)上是語(yǔ)義網(wǎng)絡(luò)（Semantic Network）的知識(shí)庫(kù)”。換個(gè)角度，從實(shí)際應(yīng)用的角度出發(fā)其實(shí)可以簡(jiǎn)單地把知識(shí)圖譜理解成多關(guān)系圖（Multi-relational Graph）。

什么是對(duì)關(guān)系圖？
圖（Graph）是由節(jié)點(diǎn)（Vertex）和邊（Edge）來構(gòu)成，但這些圖通常只包含一種類型的節(jié)點(diǎn)和邊。多關(guān)系圖一般包含多種類型的節(jié)點(diǎn)和多種類型的邊。

• 知識(shí)圖譜中，我們通用“實(shí)體（Entity）”來表達(dá)圖中的節(jié)點(diǎn)，用“關(guān)系（Relation）”來表達(dá)圖中的邊；
• 實(shí)體指的是顯示世界中的事物比如人、地名、概念、藥物、公司等，關(guān)系則用來表達(dá)不同實(shí)體之間的某種聯(lián)系。

李小龍的關(guān)系圖譜：

????從數(shù)據(jù)角度來看，知識(shí)圖譜通過對(duì)結(jié)果化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)進(jìn)行處理、抽取、整合，轉(zhuǎn)化成“實(shí)體—關(guān)系—實(shí)體”的三元組。

3、知識(shí)圖譜能做什么？

????這個(gè)問題的答案是非常寬泛的，如果從一個(gè)知識(shí)庫(kù)或者數(shù)據(jù)庫(kù)的角度來看，知識(shí)圖譜可以是任何系統(tǒng)的基礎(chǔ)工程，涉及到存儲(chǔ)、記憶、分析和智能的東西，都可以應(yīng)用知識(shí)圖譜。知識(shí)圖譜首先是一個(gè)規(guī)模龐大的數(shù)據(jù)庫(kù)（或者說知識(shí)庫(kù)），百萬級(jí)、億級(jí)的數(shù)據(jù)相互關(guān)聯(lián)，可以從更多維度對(duì)事物進(jìn)行更精確的分析。

知識(shí)圖譜可以用于以下幾個(gè)領(lǐng)域：

• 語(yǔ)義網(wǎng)和智能問答：知識(shí)圖譜可以作為語(yǔ)義網(wǎng)的基礎(chǔ)，提供一種描述現(xiàn)實(shí)世界中實(shí)體、概念以及它們之間關(guān)系的方法，使得計(jì)算機(jī)能夠理解并處理這些信息，從而為智能問答提供支持。
• 自然語(yǔ)言處理：知識(shí)圖譜可以用于自然語(yǔ)言處理中的語(yǔ)義分析和理解，通過對(duì)文本中的實(shí)體、概念以及它們之間關(guān)系的識(shí)別和抽取，提高自然語(yǔ)言處理的準(zhǔn)確性和效率。
• 人工智能和機(jī)器學(xué)習(xí)：知識(shí)圖譜可以用于提高機(jī)器學(xué)習(xí)算法的準(zhǔn)確性和效率，通過對(duì)知識(shí)的抽取和表示，幫助機(jī)器更好地理解和處理數(shù)據(jù)。
• 生物信息學(xué)和社交網(wǎng)絡(luò)分析：知識(shí)圖譜可以用于描述和分析生物信息學(xué)中的基因、蛋白質(zhì)和疾病等實(shí)體之間的關(guān)系，以及社交網(wǎng)絡(luò)中的用戶、信息和關(guān)系等。
• 推薦系統(tǒng)：知識(shí)圖譜可以用于構(gòu)建推薦系統(tǒng)，通過對(duì)用戶興趣和行為的建模，提供個(gè)性化的推薦服務(wù)。
• 搜索和信息檢索：知識(shí)圖譜可以用于提高搜索和信息檢索的準(zhǔn)確性和效率，通過對(duì)用戶查詢的理解和分析，提供更相關(guān)的結(jié)果。

4、知識(shí)圖譜的技術(shù)路線圖

????知識(shí)圖譜有廣泛的應(yīng)用和巨大的應(yīng)用價(jià)值，越來越多的企業(yè)也在著手進(jìn)行知識(shí)圖譜的構(gòu)建。
????按流程來說，知識(shí)圖譜具有知識(shí)表示與建模、知識(shí)抽取、知識(shí)融合、知識(shí)圖譜推理、知識(shí)統(tǒng)計(jì)與圖挖掘、知識(shí)檢索與知識(shí)分析等主要的幾步。

5、知識(shí)圖譜構(gòu)建

5.1、構(gòu)建知識(shí)圖譜的生命周期

構(gòu)建知識(shí)圖譜的生命周期：Schema 定義、知識(shí)抽取、知識(shí)融合、知識(shí)存儲(chǔ)、知識(shí)推理這樣的循環(huán)迭代的過程。

• 什么是本體？
  ????Ontology：通常翻譯為“本體”。本體本身是個(gè)哲學(xué)名詞。在上個(gè)世紀(jì)80年代，人工智能研究人員將這一概念引入了計(jì)算機(jī)領(lǐng)域。Tom Gruber 把本體定義為“概念和關(guān)系的形式化描述”。通俗點(diǎn)講，本體相似于數(shù)據(jù)庫(kù)中的 Schema ，比如足球領(lǐng)域，主要用來定義類和關(guān)系，以及類層次和關(guān)系層次等。OWL 是最常用的本體描述語(yǔ)言。本體通常被用來為知識(shí)圖譜定義 Schema 。
  舉個(gè)例子：
  張三是一個(gè)實(shí)體，其具有年齡、性別、職業(yè)等屬性；
  同時(shí)，張三是一個(gè)人，“人類”就是一個(gè)概念、類似的還有“國(guó)家”，“民族”等抽象概念；
  本體是概念的集合，知識(shí)圖譜本體層的東西就是各種概念及其屬性和關(guān)系。

5.2、Schema定義

• Schema 是什么？
  限定待加入知識(shí)圖譜數(shù)據(jù)的格式；相當(dāng)于某個(gè)領(lǐng)域內(nèi)的數(shù)據(jù)模型，包含了該領(lǐng)域內(nèi)有意義的概念類型以及這些類型的屬性。
• Schema 有什么作用？
  規(guī)范結(jié)構(gòu)化數(shù)據(jù)的表達(dá)，一條數(shù)據(jù)必須滿足Schema預(yù)先定義好的實(shí)體對(duì)象及其類型，才被允許更新到知識(shí)圖譜中。

5.3、知識(shí)抽取

????從各種數(shù)據(jù)源中進(jìn)行實(shí)體識(shí)別、關(guān)系識(shí)別，從而抽取實(shí)體、關(guān)系、屬性以及實(shí)體間的關(guān)系，屬性的值，完成本體的知識(shí)表達(dá)，具體可以參照前文關(guān)于知識(shí)庫(kù)的表達(dá)部分。對(duì)于知識(shí)圖譜來說，數(shù)據(jù)源我們知道有結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)。

數(shù)據(jù)來源一般有：

1. 業(yè)務(wù)的關(guān)系數(shù)據(jù)，這些數(shù)據(jù)通常包含在公司內(nèi)數(shù)據(jù)庫(kù)中；一般是結(jié)構(gòu)化數(shù)據(jù)，或者是系統(tǒng)交互中Jison數(shù)據(jù)，雖然沒有結(jié)構(gòu)化，但是仍然可以通過功能進(jìn)行存儲(chǔ)，這種數(shù)據(jù)一般定義好本體庫(kù)可以直接使用；
2. 網(wǎng)上公開發(fā)布的可以抓取的數(shù)據(jù)，通常以網(wǎng)頁(yè)形式存在，這種一般要通過爬蟲技術(shù)，通過本體庫(kù)相關(guān)關(guān)鍵詞進(jìn)行數(shù)據(jù)的爬取并結(jié)構(gòu)化；
3. 相關(guān)合同、文件等，比如一些保險(xiǎn)合同、電子發(fā)票信息等；這種一般需要自然語(yǔ)言處理技術(shù)，進(jìn)行數(shù)據(jù)信息的結(jié)構(gòu)化提取。

信息的抽取是知識(shí)圖譜構(gòu)建的第一步，關(guān)鍵的點(diǎn)是：如何從數(shù)據(jù)源中自動(dòng)抽取到實(shí)體、關(guān)系、以及屬性等機(jī)構(gòu)化技術(shù)。
實(shí)體抽取又稱為實(shí)體識(shí)別，就是從文本中自動(dòng)識(shí)別出來命名的實(shí)體，它是信息抽取中最基礎(chǔ)的部分。
關(guān)系抽取就是進(jìn)行語(yǔ)義的識(shí)別，抽取到實(shí)體間的關(guān)系，這個(gè)是信息抽取中最關(guān)鍵的部分，也是形成網(wǎng)狀知識(shí)結(jié)構(gòu)的基礎(chǔ)。
關(guān)系的識(shí)別運(yùn)用到各種算法模型以及機(jī)器學(xué)習(xí)的方法，屬性抽取實(shí)現(xiàn)的是實(shí)體屬性的完整勾勒。

5.4、知識(shí)融合

主要是新知識(shí)的融合、整合、判別同義、近義、消除歧義、矛盾。
比如，某些實(shí)體數(shù)據(jù)在顯示世界中有多種表達(dá)方式，公司的注冊(cè)名稱、公司的簡(jiǎn)稱等，要對(duì)這些知識(shí)進(jìn)行同義融合，再比如某些特定的稱謂也許對(duì)應(yīng)著多個(gè)不同的實(shí)體。

知識(shí)融合包括兩部分：實(shí)體鏈接和知識(shí)合并。

• 實(shí)體鏈接：是指對(duì)于從文本中抽取得到的實(shí)體對(duì)象，將其鏈接到知識(shí)庫(kù)中對(duì)應(yīng)的正確實(shí)體對(duì)象的操作。一般是從知識(shí)庫(kù)中選中一些候選的對(duì)象，然后通過相似度將指定對(duì)象鏈接到正確的實(shí)體。流程如下：通過實(shí)體抽取獲取實(shí)體指稱項(xiàng)——通過實(shí)體消歧（解決同名實(shí)體歧義）和共指消解（多個(gè)指稱指向同一實(shí)體進(jìn)行相應(yīng)的合并）——將實(shí)體指稱鏈接到知識(shí)庫(kù)對(duì)應(yīng)實(shí)體。
• 知識(shí)合并：從第三方知識(shí)庫(kù)產(chǎn)品或是已有的結(jié)構(gòu)化數(shù)據(jù)中進(jìn)行知識(shí)的獲取，一般是合并外部知識(shí)庫(kù)和和合并關(guān)系數(shù)據(jù)庫(kù)，合并中要避免實(shí)體與關(guān)系的沖突問題，防止不必要的冗余。

5.5、知識(shí)存儲(chǔ)

知識(shí)圖譜主要有兩種存儲(chǔ)方式：一種是基于 RDF 的存儲(chǔ)；另一種是基于圖數(shù)據(jù)庫(kù)的存儲(chǔ)。它們之間的區(qū)別如下圖所示。RDF 一個(gè)重要的設(shè)計(jì)原則是數(shù)據(jù)的易發(fā)布以及共享，圖數(shù)據(jù)庫(kù)則把重點(diǎn)放在了高效的圖查詢和搜索上。其次，RDF 以三元組的方式來存儲(chǔ)數(shù)據(jù)而且不包含屬性信息，但圖數(shù)據(jù)庫(kù)一般以屬性圖為基本的表示形式，所以實(shí)體和關(guān)系可以包含屬性，這就意味著更容易表達(dá)現(xiàn)實(shí)的業(yè)務(wù)場(chǎng)景。

知識(shí)存儲(chǔ)，就是如何選擇數(shù)據(jù)庫(kù)，從選擇層面，我們有圖數(shù)據(jù)庫(kù)，有NoSQL的數(shù)據(jù)庫(kù)，也有關(guān)系型數(shù)據(jù)庫(kù)，數(shù)據(jù)庫(kù)有很多選擇。具體什么樣的情況下選擇什么樣的數(shù)據(jù)庫(kù)？通常是如果說知識(shí)圖譜的關(guān)系結(jié)構(gòu)非常的復(fù)雜、關(guān)系非常的多，這時(shí)候建議使用這個(gè)圖數(shù)據(jù)庫(kù)，比如Neo4J這樣的數(shù)據(jù)庫(kù)。順便了解一下目前主流的幾款圖數(shù)據(jù)庫(kù)，Titan、Graph Engine、Neo4J這個(gè)三個(gè)分別都是開源的，然后Titan是Apache旗下的，Graph Engine是MIT的License，Neo4J是GPL開源的，既有商業(yè)版，也有也有開源免費(fèi)版。然后它們的平臺(tái)，像Titan是Linux，Graph是windows。而數(shù)據(jù)的支撐量級(jí)，像Titan是后端存儲(chǔ)，基于Cassandra/Hbase/BDB這樣的分布式存儲(chǔ)引擎，可以支持更大的數(shù)據(jù)量，千億級(jí)的數(shù)據(jù)量級(jí)；Neo4J商業(yè)版也可以支持到百億級(jí)的，但是它的非商業(yè)版在數(shù)據(jù)量級(jí)比較大的時(shí)候，一般是在幾千萬級(jí)的時(shí)候就可能會(huì)出現(xiàn)一些問題。

5.6、知識(shí)推理

知識(shí)推理這邊有幾種方法，基于符號(hào)的推理、基于 OWL 本體的推理、基于圖的方法（PRA算法）、基于分布式知識(shí)語(yǔ)義 標(biāo)識(shí)方法（Trans系列模型）、TransR 模型、基于深度學(xué)習(xí)的推理。
知識(shí)圖譜不僅僅是根據(jù)關(guān)系的檢索，更大的核心用途是推理，發(fā)現(xiàn)圖譜中的隱藏關(guān)系，而不是發(fā)現(xiàn)新知識(shí)。

1）通過實(shí)體間的關(guān)系推理相關(guān)關(guān)系

通過多實(shí)體間的關(guān)系，可以推斷其他的關(guān)系，比如張三和李四之間是夫妻關(guān)系，王五是張三的領(lǐng)導(dǎo)，王五居住在A城市，我們可以推論李四也居住在A城市。

2）通過實(shí)體間的關(guān)系推理相關(guān)屬性

通過多實(shí)體間的關(guān)系，實(shí)體的屬性值，可以推斷其實(shí)體的屬性值。這個(gè)與通過實(shí)體間的關(guān)系推論關(guān)系道理類似，也可以通過一個(gè)實(shí)體間的關(guān)系、根據(jù)實(shí)體的屬性推斷另一個(gè)實(shí)體的屬性。

在AI中涉及到推理的方法有很多，有基于邏輯的推理，有基于深度學(xué)習(xí)的推——這個(gè)就是基于圖譜的推理，也就是通過關(guān)系、屬性的因素做的推理。

6、知識(shí)圖譜應(yīng)用

????在知識(shí)圖譜的應(yīng)用階段已經(jīng)簡(jiǎn)要說明了通用領(lǐng)域知識(shí)圖譜和專用領(lǐng)域知識(shí)圖譜的應(yīng)用，這里只聚焦其中三項(xiàng)技術(shù)：搜素、問答系統(tǒng)、推薦系統(tǒng)。

6.1 搜索

????知識(shí)圖譜依托龐大的數(shù)據(jù)和關(guān)系對(duì)，可以對(duì)搜索進(jìn)行增強(qiáng)，不但針對(duì)搜索詞展示出最接近的信息，還把相關(guān)的選項(xiàng)也展示出來，提高了查準(zhǔn)率和查全率，另外可以通過圖譜化的展現(xiàn)和互動(dòng)讓用戶更加方便的了解信息。
????一個(gè)語(yǔ)義搜索系統(tǒng)的基本框架包括查詢構(gòu)建、查詢處理、結(jié)果展示、查詢優(yōu)化、語(yǔ)義模型、資源及文檔等。
????具體的應(yīng)用中，如搜索“混凝土”，不僅搜索混凝土，還會(huì)找到其在知識(shí)圖譜中的上位詞，下位詞，同義詞等詞集合，比如砼（同義詞）、輕質(zhì)混凝土（下位詞）等等。

6.2 問答系統(tǒng)（可整合 ChatGPT 語(yǔ)言模型）

????知識(shí)問答是用自然語(yǔ)言的方式與機(jī)器進(jìn)行交互并得到答案，是知識(shí)圖譜的重要應(yīng)用。問答是一種典型的智能行為，圖靈測(cè)試就是看機(jī)器能否做到人一樣的問答效果。問答系統(tǒng)不但要求系統(tǒng)本身能夠理解提問者的語(yǔ)義，還要求根據(jù)知識(shí)圖譜進(jìn)行知識(shí)搜索或知識(shí)推理以形成答案?？梢哉f問答系統(tǒng)是信息檢索系統(tǒng)的一種高級(jí)形式，因?yàn)閱柎鹣到y(tǒng)中同樣有查詢式理解和知識(shí)檢索這兩個(gè)重要過程，且與智能搜索中相應(yīng)過程中的相關(guān)細(xì)節(jié)是一致的。
一個(gè)問答系統(tǒng)應(yīng)具備的四大要素：
（1）問題
是問答系統(tǒng)的輸入，通常以問句的形式出現(xiàn)（問答題），也會(huì)采用選擇題、多選題、列舉答案題和填空題等形式。
（2）答案
是問答系統(tǒng)的輸出，除了文本表示的答案（問答題或填空題），有時(shí)也需要輸出一組答案（列舉問答題）、候選答案的選擇（選擇題）、甚至是多媒體信息。
（3）智能體
是問答系統(tǒng)的執(zhí)行者，需要理解問題的語(yǔ)義，掌握并使用知識(shí)庫(kù)解答問題，并最終生成人可讀的答案；
（4）知識(shí)庫(kù)
存儲(chǔ)了問答系統(tǒng)的知識(shí)，其形態(tài)可以是文本、數(shù)據(jù)庫(kù)或知識(shí)圖譜。

問答系統(tǒng)框架：

6.3 推薦系統(tǒng)

????推薦系統(tǒng)是我們每天都能接觸到的系統(tǒng)，如淘寶的千人千面，網(wǎng)易云音樂的個(gè)性化歌單，目前的個(gè)性化推薦算法中應(yīng)用最廣的是協(xié)同過濾算法。
????協(xié)同過濾分為協(xié)同和過濾兩個(gè)步驟，協(xié)同就是利用群體的行為來做推薦決策，而過濾就是從可行的推薦方案中將用戶最喜歡的方案找出來。通過群體的協(xié)同和每個(gè)用戶是否喜歡推薦的反饋不斷迭代，最終的推薦會(huì)越來越準(zhǔn)確。當(dāng)前協(xié)同過濾算法主要包括基于用戶的協(xié)同過濾和基于物品的協(xié)同過濾，其核心是怎么計(jì)算標(biāo)的物之間的相似度以及用戶之間的相似度。
????將與當(dāng)前用戶最相似的用戶喜歡的標(biāo)的物推薦給該用戶，這就是基于用戶的協(xié)同過濾的核心思想；將用戶操作過的標(biāo)的物最相似的標(biāo)的物推薦給用戶，這就是基于標(biāo)的物的協(xié)同過濾的核心思想。

推薦的過程可以簡(jiǎn)單理解為三個(gè)步驟：召回、過濾、排序。

1. 首先系統(tǒng)根據(jù)獲取到的信息，召回適合推薦內(nèi)容，獲取的信息可以是用戶的搜索記錄、購(gòu)買記錄、評(píng)論等。
2. 召回的內(nèi)容中有的是這個(gè)用戶不關(guān)注的，需要根據(jù)過濾的條件，將不需要的內(nèi)容進(jìn)行過濾。
3. 經(jīng)過過濾產(chǎn)生的推薦集還需要根據(jù)內(nèi)容的相關(guān)度進(jìn)行排序，最后系統(tǒng)根據(jù)相關(guān)度的排序，將內(nèi)容分配到對(duì)應(yīng)的模塊，這樣用戶就能看到自己感興趣的內(nèi)容了。

基于協(xié)同過濾的推薦系統(tǒng)，主要有以下問題：

• 數(shù)據(jù)稀疏/長(zhǎng)尾/噪音問題
  用于協(xié)同過濾計(jì)算的用戶行為矩陣（用戶和其對(duì)應(yīng)有交互（如購(gòu)買，點(diǎn)贊，收藏等）的物品矩陣），必然是一個(gè)稀疏矩陣，用較小范圍的數(shù)據(jù)推測(cè)較大范圍的數(shù)據(jù)，會(huì)存在預(yù)測(cè)不準(zhǔn)確的問題。
• 冷啟動(dòng)問題
  對(duì)于新加入的用戶或者物品，系統(tǒng)沒有其歷史交互信息，很難對(duì)其進(jìn)行準(zhǔn)確建模和推薦，相對(duì)應(yīng)的推薦準(zhǔn)確率和多樣性也會(huì)大打折扣。
• 可解釋性
  協(xié)同過濾算法側(cè)重輸入和輸出，與神經(jīng)網(wǎng)絡(luò)模型一樣類似于一個(gè)黑盒，計(jì)算模型提煉出的有效特征是什么很難說明，即決策的依據(jù)模糊，缺乏可解釋性。

????知識(shí)圖譜可以針對(duì)這些問題進(jìn)行改善，知識(shí)圖譜可以用來表示實(shí)體之間的關(guān)系，如推薦系統(tǒng)中物品與物品、用戶與物品、用戶與用戶之間的關(guān)系。

7、圖譜建設(shè)的一些經(jīng)驗(yàn)

我們?cè)谥R(shí)圖譜建設(shè)當(dāng)中的一些經(jīng)驗(yàn)：文章來源地址http://www.zghlxwxcb.cn/news/detail-505587.html

• 第一，界定好范圍，就是要有一個(gè)明確的場(chǎng)景和問題的定義，不能說為了知識(shí)圖譜而知識(shí)圖譜。如果沒有想清楚知識(shí)圖譜有什么樣的應(yīng)用的場(chǎng)景，或者能解決什么樣的問題，這樣的知識(shí)圖譜是比較難以落地的。一些明確的場(chǎng)景，比如解決商品數(shù)據(jù)的搜索問題，或者從產(chǎn)品說明書里面做相關(guān)問題的回答。
• 第二，做好schema的定義，就是上面講到的對(duì)于schema或者本體的定義。第一步確定好場(chǎng)景和問題以后，就基于這樣的場(chǎng)景或者問題，再進(jìn)行相關(guān)領(lǐng)域的schema的定義。定義這個(gè)領(lǐng)域里概念的層次結(jié)構(gòu)、概念之間的關(guān)系的類型，這樣做是確保整個(gè)知識(shí)圖譜是比較嚴(yán)謹(jǐn)?shù)?，知識(shí)的準(zhǔn)確性是比較可靠的。知識(shí)的模型的定義，或者schema的定義，大部分情況下是通過這個(gè)領(lǐng)域的知識(shí)專家的參與，自上而下的方式去定義的。
• 第三，數(shù)據(jù)是知識(shí)圖譜構(gòu)建基礎(chǔ)。數(shù)據(jù)的梳理就比較重要，最需要什么樣的數(shù)據(jù)？依賴于我們要解決的問題是什么，或者我們的應(yīng)用場(chǎng)景是什么？基于問題和場(chǎng)景，梳理出領(lǐng)域相關(guān)的問題、相關(guān)的數(shù)據(jù)，包括結(jié)構(gòu)化的數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、無結(jié)構(gòu)化的數(shù)據(jù)，結(jié)合百科跟這個(gè)領(lǐng)域相關(guān)的數(shù)據(jù)，領(lǐng)域的詞典，或者領(lǐng)域?qū)＜业慕?jīng)驗(yàn)的規(guī)則。
• 第四，不要重復(fù)去造輪子，很多百科的數(shù)據(jù)和開放知識(shí)圖譜的數(shù)據(jù)，是可以融合到我們的領(lǐng)域知識(shí)圖譜中。
• 第五，要有驗(yàn)證和反饋機(jī)制，需要有管理后臺(tái)，用戶可以不斷的和知識(shí)圖譜系統(tǒng)進(jìn)行交互，不斷的進(jìn)行確認(rèn)和驗(yàn)證，確保知識(shí)圖譜每一步推理和計(jì)算都是準(zhǔn)確的。
• 第六，知識(shí)圖譜構(gòu)建是持續(xù)迭代的系統(tǒng)工程，不可能一蹴而就。

到了這里，關(guān)于知識(shí)圖譜相關(guān)概念整理的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！