劉璐
學號19021110354T
轉(zhuǎn)載自https://mp.weixin.qq.com/s/nJip1omVx0HiScIzrlWShA
【嵌牛導讀】知識圖譜（Knowledge Graph）的歷程發(fā)展可以追溯到20世紀70年代誕生的專家系統(tǒng)海洼，專家系統(tǒng)是一個具有大量的專門知識與經(jīng)驗的程序系統(tǒng)拍鲤，它應用人工智能技術和計算機技術铲汪，根據(jù)某領域一個或多個專家提供的知識和經(jīng)驗，進行推理和判斷塑悼，模擬人類專家的決策過程，以便解決那些需要人類專家處理的復雜問題楷掉。目前知識圖譜在多個不同的領域得到了廣泛應用厢蒜，主要集中在社交網(wǎng)絡、金融烹植、人力資源與招聘斑鸦、保險、廣告草雕、物流巷屿、零售、醫(yī)療墩虹、電子商務等領域嘱巾。
【嵌牛鼻子】知識圖譜憨琳、GOOGLE、決策過程
【嵌牛提問】 我們是否可以利用知識圖譜來表示各類復雜問題旬昭？該課題與人工智能的區(qū)別與聯(lián)系在哪篙螟？
【嵌牛正文】
目錄：
知識圖譜可以被認為是實現(xiàn)計算機科學的早期愿景，即創(chuàng)建能夠大規(guī)模集成知識和數(shù)據(jù)的智能系統(tǒng)问拘”槁裕“知識圖譜”一詞在本世紀初被研究者引入，自2012年谷歌推廣以來场梆，在學術界和行業(yè)中迅速流行墅冷。必須注意的是，無論“知識圖譜”一詞的討論和定義如何或油，都源于語義網(wǎng)絡寞忿、數(shù)據(jù)庫、知識表示和推理顶岸、nlp腔彰、機器學習等不同研究領域的科學進步。這些不同學科的思想和技術的融合為知識圖譜的概念提供了豐富的內(nèi)容辖佣，但同時也對實踐者和研究人員提出了挑戰(zhàn)霹抛，要求他們了解當前的進展是如何從早期技術發(fā)展而來的，并植根于早期技術卷谈。
這份文檔杯拐，結(jié)合18th International Semantic Web Conference的教程，提供了基于知識世蔗、數(shù)據(jù)及其組合的計算機科學學科進步的知識圖譜的根源的歷史背景端逼。需要注意的是，這份文檔不是一個綜述survey（不一定涵蓋所有方面）污淋，也不對關于這一主題的論文和系統(tǒng)進行系統(tǒng)的方法（定性或定量）分析顶滩。
那么，這篇文章是什么呢寸爆？這是作者對這一學科歷史觀點的選擇礁鲁，以教學為重點。我們展示了一份學習地圖赁豆，并提供指導方針仅醇，以瀏覽最相關的想法，理論和事件歌憨，從我們的角度發(fā)出信號着憨，觸及當前的發(fā)展。目標是幫助理解什么起作用务嫡，什么不起作用甲抖，并反映出它是如何激發(fā)下一個想法的漆改。
為什么要寫這篇文章？了解一個研究領域的歷史背景至關重要，以便了解未來可能的途徑。這是科學方法的DNA：為了站在巨人的肩膀上進行背景研究送浊。當談到語義網(wǎng)絡研究領域刮萌，尤其是對于知識圖譜的時候汤纸，我們注意到學生和初級研究者并不完全清楚思想、概念和技術的來源。我們認為這篇文章是克服這個弱點的一個小步驟。
完整全文哲戚，請參閱http://knowledgegraph.today/paper.html
