知识图谱

源于搜索：谷歌，给我更少的结果

如何做到？更加精准，非关键字匹配，而是通过关键字理解用户背后的意图。

1998年，罗纳尔多横空出世

万维网之父Tim Berners Lee于1998年提出的语义网（Semantic Web），知识图谱的前身。

知识是智能的前提，知识是力量，同时也是毒药。

当技术离开学术界走向市场之后，创造商业价值才是硬道理，毕竟客户最终看的还是效果。

当一项技术离开学术走向市场之后，它的唯一使命就是创造商业价值。

——基于知识图谱技术的运维知识库的构建。

知识图谱例子所示，中国是一个实体，北京是一个实体，中国-首都-北京 是一个（实体-关系-实体）的三元组样例北京是一个实体 ，人口是一种属性2069.3万是属性值。北京-人口-2069.3万构成一个（实体-属性-属性值）的三元组样例。

知识图谱主要有自顶向下(top-down)与自底向上(bottom-up)两种构建方式。自顶向下指的是先为知识图谱定义好本体与数据模式，再将实体加入到知识库。该构建方式需要利用一些现有的结构化知识库作为其基础知识库。

自底向上指的是从一些开放链接数据中提取出实体，选择其中置信度较高的加入到知识库，再构建顶层的本体模式。目前，大多数知识图谱都采用自底向上的方式进行构建，其中最典型就是Google的Knowledge Vault和微软的Satori知识库。现在也符合互联网数据内容知识产生的特点。

数据--信息--知识--智能

知识图谱以结构化的形式描述客观世界的概念、实体及其之间的关系。将信息表达成更接近人类认知世界的形式。

科技大数据挖掘与服务平台

https://www.aminer.cn/

开放的中文知识图谱

http://openkg.cn/

开放链接数据项目

http://linkeddata.org/

http://lod-cloud.net/

推荐两个数据来源：

中财网数据引擎

巨潮资讯

知识图谱专栏：https://zhuanlan.zhihu.com/knowledgegraph

人机交互的类型：闲聊型、任务型、问答型

自然语言解析：基于规则；基于模式

仰天长笑出门去，我辈岂是蓬蒿人

马太效应

语言层-》语义层-》执行层

关系型属性，值类型属性

1.基于模板匹配的方案 ?

2.基于知识图谱的方案

https://bosonnlp.com/