A Survey on Application of Knowledge Graph

本文是针对《A Survey on Application of Knowledge Graph》的一个翻译。

摘要

知识图谱作为一种语义图表示信息，在工业界和学术界引起了广泛关注。它们提供语义结构化信息的特性为许多任务带来了重要的可能解决方案，包括问答、推荐和信息检索，并被许多研究人员认为为构建更多智能机器提供了巨大的前景。尽管自谷歌于2012年提出知识图这一术语以来，知识图谱已经支持了各种商业和科学领域的多个“大数据”应用，但之前没有任何研究对知识图谱的应用进行系统性审查。因此，与关注知识图谱构建技术的其他相关工作不同，本文旨在对这些来自不同领域的应用进行首次调查。本文还指出，尽管近年来在应用知识图谱向特定领域提供语义结构化信息的巨大能力方面取得了重要进展，但仍有几个方面有待探索。

1. 引言

近年来，知识图谱（KG）已成为许多需要访问结构化知识的信息系统的基础。语义网的概念可以追溯到Berners-Lee在2001年的研究。在他的工作中，Berners-Lee建议推广和发展统一资源标识符（URI）、资源描述框架（RDF）和Web本体语言（OWL）等技术标准。
早期的一些研究通过使用RDF标准促进了基于图的知识表示。这些图中的节点表示实体，它们由表示关系的边连接。关系集可以组织在模式或本体中，该模式或本体定义了它们的相关性和使用限制。
链接数据的概念于2009年提出。它建议将语义网中的不同数据集相互链接，使它们被视为一个大型的全局知识图谱。直到2014年，大约1000个数据集在链接的开放数据云中相互链接，它们之间的大多数链接连接相同的实体。
2012年，谷歌提出了一种新技术，称为知识图谱，用于在网络搜索中使用语义知识。谷歌的知识图用于识别和消除文本中的实体歧义，用语义结构摘要丰富搜索结果，并在探索性搜索中提供相