知识图谱的构建过程，主要分为哪几个步骤

本体建模

构建本体的目的是识别、描述和表示相关领域的知识，提供对该领域知识的共同理解，确定领域内共同认可的对象模型，并从不同层次的形式化模式上给出了这些对象和对象间相互关系的明确定义。本体描述了知识图谱的概念模式，同时知识图谱在本体的基础上进行了丰富和扩充，而知识图谱则是在本体的基础上，增加了更加丰富的关于实体的信息。

在行业知识图谱构建的过程中，需要先构建本体模型，本体模型是为了对整个行业特定的知识图谱所需的数据模型进行定义，因此需要保证可靠性。在本体模型中我们需要构建本体的概念，属性以及概念之间的关系。

在构建行业知识图谱的本体模型时，通常需要借助领域专家知识来引导构建本体模型，才能保证知识图谱的质量，之后的知识计算，知识推理才能更好的发挥作用。

知识抽取

知识抽取是从不同来源、不同结构的数据中进行信息提取，形成知识存入知识图谱中。知识抽取处理的对象按照结构化程度可以分为结构化、半结构化和非结构化信息。

结构化文档具有良好的布局结构，可以很容易地对其执行知识抽取。结构化文档主要存储在业务数据库，可以通过ETL从结构化信息中提取知识。

在处理半结构化数据方面，主要的工作是通过编写包装器，从半结构化数据中提取实体属性，适用在百科类站点、垂直网站中进行包装器归纳，从网页表格中提取属性信息。

非结构化文档是指由符合某种语言表达规范的自然语言语句组成的文档，这类文档表达方式灵活，可以用不同的形式和词汇表达相同的意思，因此对这类文档进行知识抽取是非常困难的，往往要借助自然语言处理技术对其进行语法和语义分析。

知识存储

知识图谱最适合处理关联密集型的数据，解决的是实体及实体之间的关系，即具有有向图结构的一个知识库，因此适合以图的数据结构存储，其存储方式主要有RDF 和图数据库两种方式。

在具体的知识图谱工程中，为了满足不同的业务需求，比如统计型、复杂关系型等，往往采用复合的存储模式，如下：

实践经验如下：

文本型数据：使用NoSQL数据库存储。

关系型数据：使用图形数据存储，包括实体、关系、属性。

关联型数据：作为记录型数据存入合适的