知识图谱学习笔记（一）
仅记录个人学习历程，内容来源于网络及书籍，侵删
关于知识图谱：
知识图谱的概念：
知识图谱（Knowledge Graph）又称为科学知识图谱，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系
“知识图谱本质上是语义网络（Semantic Network）的知识库”。
知识图谱的主要研究内容：
1.知识表示
以结构化的形式描述客观世界的概念，实体，及其关系。通常是基于RDF规范的三元组知识表示形式。
2.构建知识库
将知识从非结构化、半结构化的数据中提取出来，包括命名实体识别（NER）、命名实体的链接与关系的抽取。
3.知识推理
从给定的知识图谱中推导出新的实体与实体之间的关系
4.知识应用
自动问答技术、自然语言处理等
关于知识表示：
指计算机表达知识的数据结构，涉及知识获取、知识清洗、知识提取等。
表示方法通常有基于逻辑的知识表示、产生式表示方法、语义网络表示方法、框架表示方法以及脚本知识表示方法等。
知识推理
根据已有的知识图谱中的事实或者关系推断出新的事实与关系，一般是考察实体、关系和图谱结构三个方面的信息特征。
知识存储
知识图谱的知识存储一般是采用图形数据库进行存储，主要有两种图数据模型：RDF图和属性图（Property Graph）
属性图是草根自发的，但最终得到了市场的认可，现在主要是中小企业在用。
查询语言：RDF图：SPARQL； 属性图：Cypher 和 Gremlin
常见图形数据库
基于关系数据库的存储方案
主要是三元组表（3store）、水平表(DLDB)、属 性表(JENA)、垂直划分(SW-Store)、DB2RDF和六重索引(RDFX-3X、Hexastore)
面向RDF的三元组数据库
Jena RDF4J RDF-3X gStore
原生图数据库
Neo4j
分布式图形数据库 JanusGraph、
OrientDB、
Cayley
|