知识图谱入门到实战之1.知识图谱基础

1.为什么要用知识图谱

知识图谱是由Google在2012年5⽉16⽇提出的，⽬的是为了提升搜索引擎返回的答案质量和⽤户查询的效率。 在搜索的场景下，有知识图谱作为辅助，搜索引擎能够洞察⽤户查询背后的语义信息，返回更为精准、结构化的信息，更⼤可能地满⾜⽤户的查询需求，比如搜索1个人物，会出现⾮常完整的相关信息。
Google知识图谱的宣传语things not strings给出了知识图谱的精髓，即不要⽆意义的字符串、⽽是获取字符串背后隐含的对象或事物。

知识图谱与深度学习的对比：

• 深度学习：见过大世面（大数据）的AI，擅长感知、识别、统计学习、概率判断，但是解释性低、需要大量数据提升其泛化性
• 知识图谱：知识渊博的AI，擅长结构知识、思考逻辑、推理，解释性强、不需要大量数据，但是仅仅依靠专家系统无法实现扩展和高效
• 相互结合：相辅相成实现更强的人工智能，学而不思则罔、思而不学则殆

语⾔理解需要背景知识：东方人难以理解⻄⽅⼈的笑话，反之亦如此，这是因为缺少共同的⽂化背景，⾃然地，机器理解语⾔也需要背景知识。
知识图谱可解释⼈⼯智能，越专业的领域对可解释性的要求越高。知识引导将是解决问题的重要⽅式之⼀，知识密集型应用对知识引导的要求很高。

2.知识图谱的前世今生

（1）发展脉络

知识图谱的发展脉络：

• 1960年代，出现语义网络，包含了相互连接的节点和边，节点代表概念或对象、边代表节点之间的关系，例如is a、part of、has a等。
• 1980年代，引入哲学概念本体，一个共享概念化的形象化明确规范（a formal explicit specification of a shared conceptualization），即本体就是精确定义了某一领域的一些概念，以及描述这些概念的特性、概念之间的关系的属性，以及属性的约束等，同时这种定义和描述是可以被计算机理解的、且被共同接受的。
• 1989年，出现万维网，启发来自于人脑可以透过互相联摄的神经传递信息，电脑文件也互相连接形成超文本。
• 1998年，从超文本链接到语义链接（Semantic Web），主要是为了让网络上的数据更加机器可读、对机器更加友好，使得数据相互连接、而非仅仅文档链接。
• 2006年，实现开放数据之间的链接。
• 2012年，Google正式提出知识图谱的概念。

（2）发展阶段

虽然知识图谱的概念较新，但它并非是一个全新的研究领域，所以谷歌提出KG为界线，可以简单地分为传统知识工程、大数据知识工程2个阶段。

（1）传统知识工程
知识⼯程源于符号主义，符号主义认为知识是智能的基础。符号主义（symbolicism），⼜称为逻辑主义、⼼理学派或计算机学派，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。符号主义认为⼈⼯智能源于数理逻辑。数理逻辑从19世纪末起得以迅速发展，到20世纪30年代开始⽤于描述智能⾏为。 计算机出现后，⼜在计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序逻辑理论家LT（Logic Theorist）。逻辑理论家证明了数学名著《数学原理》⼀书第⼆章52个定理中的38个定理，受到了⼈们的⾼度评价，认为是⽤计算机探讨⼈类智⼒活动的第⼀个真正的成果。 符号主义曾⻓期⼀枝独秀，为⼈⼯智能的发展作出重要贡献，尤其是专家系统的成功开发与应⽤，为⼈⼯智能⾛向⼯程应⽤和实现理论联系实际具有特别重要的意义。

在符号主义思潮的影响下，和现在以⼤数据为基础的⼈⼯智能不同，早期的⼈⼯智能专家认为，不管是机器的智能还是⼈的智能，本质都是符号的操作和运算，因此，⼈⼯智能的核⼼问题是如何表示知