知识图谱技术

数联未来，数据融合是未来重要的方向，那么对于大数据来说目前主要存在如下几个挑战：1、多源异构数据难以融合转化并映射到同一平台，数据模型的灵活创建、

以及数据模型间的关联关系也难以实现；

2、数据模式动态变迁困难，当客户新需求、业务新认知时，需要修改数据结构以及业务逻辑，带来扩展性差，对客户响应慢、维护成本高等问题；

3、非结构化的数据，计算机难以理解，用户搜索难以返回精确的结果；

通过对知识图谱的研究可以发现，知识图谱确实可以解决以上问题，这里分享一下学习总结：

一、 知识图谱技术体系

知识图谱的构建主要涉及到知识建模、知识抽取、知识融合、知识存储、知识计算以及知识应用，具体可以归纳如下：

二、 知识图谱实施方法

1. 使用现有的套装工具（如LOD2、Stardog）
2. 在现有套装工具的基础上进行扩充
3. 针对知识图谱生命周期的各种工具进行组合
4. 有针对性的开发某种工具
5. 从零开始构建

 

三、 技术架构

知识图谱架构如下图，这其中主要包括如下几个部分：

3.1 数据采集

主要涉及到爬虫技术

 

3.2 建立本体

可以采用如下两种方式

自顶向下：由专家创建

自底向上：

• 从现有的行业标准转化；
• 从现有高质