多次听到知识图谱的概念，据说被称为“下一代搜索技术”，一直很好奇。趁着考试暂时告一段落，简单了解了一下知识图谱的相关知识，只希望自己能有个大概认识，不追求特别深入的学习。
（一）知识图谱初探
百度百科对知识图谱的定义如下：“知识图谱，也称为科学知识图谱，它通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合，并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论，为学科研究提供切实的、有价值的参考。”
感觉这个定义虽然全面却很冗长，让人很难把握知识图谱的核心，我们可以参考更通俗理解——我们可以把知识图谱理解成一张由知识点相互连接而成的语义网络。（简单来说，知识图谱的重点元素包括节点和关系 or 实体和实体属性 ）
参考上图，知识图谱由节点和节点关系构成，其中人物、作品、地点等实体可以作为节点，而每个实体可能包含若干个属性，比如人物这个实体就具有生日、妻子、身高等属性。我们可以通过实体的属性将不同的实体建立关联关系，如
刘德华 (实体)-- 妻子(属性) -> 朱丽倩(另一个实体)
刘德华（实体） -- 电影作品（属性）-> 无间道（另一个实体）
无间道（实体）-- 制片国家/地区（属性） -> 中国香港（另一个实体）（二）从万维网到知识图谱
随着信息爆炸式的增长，人们希望搜索引擎可以给出更精确的回答，在这种背景下，如果搜索引擎只是将网页文档存储下来，然后按照传统方式进行信息检索，很难做到精准地满足用户需求。可以考虑借助知识图谱技术，想办法识别出网页中出现的实体以及实体属性，并将它们纳入到知识图谱中，当用户发起搜索时，根据知识图谱已知的知识点，准确理解用户意图，并给出最精准的回答。下图展示了从万维网到知识图谱的转换过程（示意图）。
（三）知识图谱的表示和本质
知识图谱旨在描述真实世界中存在的各种实体或概念。其中，每个实体或概念用一个全局唯一确定的ID来标识，称为它们的标识符(identifier)。每个属性-值对(attribute-valuepair，又称AVP)用来刻画实体的内在特性，而关系(relation)用来连接两个实体，刻画它们之间的关联。知识图谱亦可被看作是一张巨大的图，图中的节点表示实体或概念，而图中的边则由属性或关系构成。知识图谱率先由Google提出，以提高其搜索的质量。
知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。
（四）知识图谱的作用
为了让用户能够更快更简单的发现新的信息和知识，搜索引擎可以借助“知识图谱”来将搜索结果进行知识系统化，用户搜索任何一个关键词都能获得完整的知识体系。不管用户搜索的关键词是代表了地标、名人、城市、球队名、电影、专业词语还是一种菜的做法，“知识图谱”都可以将搜索结果的知识体系完整的呈现出来。
参考文献：
（1）百度百科
（2）什么是知识图谱？ http://www.jianshu.com/p/ae871569af02
（3）知识图谱扫盲 https://sanwen8.cn/p/3f6TSuj.html