什么是知识图谱

本质上，知识图谱主要目标是用来描述真实世界中存在的各种实体和概念，以及他们之间的关系，因此可以认为是一种语义网络。从发展的过程来看，知识图谱是在NLP的基础上发展而来的。知识图谱和自然语言处理NLP有着紧密的联系，都属于比较顶级的AI技术。知识图谱可以用来更高的查询复杂的关联信息，从语义层面理解用户意图，改进搜索质量。

知识图谱分类

通用知识图谱：侧重构建行业常识性的知识，并用于搜索引擎和推荐系统。
行业知识图谱：主要面向企业，通过构建不同行业、企业的知识图谱，对企业内部提供知识化服务。

知识图谱的优势

搜索优化：让每一位知识的使用人员，在搜索时，能够匹配到准确的搜索内容和拓展的相关性、联想性知识内容。
知识学习：让每一位知识的使用人员，能够在搜索出结果以后，推荐相关知识，供其调用和使用，并且通过图谱网络的方式，展示出知识之间的谱系关系，提升知识的自学能力。
数据匹配：将知识网络中的内容，和其他系统沉淀数据，进行深度优化匹配，并且加工形成更加准确的知识数据，提升场景应用范围，例如关联行为图谱、数据关系图谱等。

知识图谱的主要特点

1、用户搜索次数越多，范围越广，搜索引擎就能获取越多信息和内容。
2、赋予字串新的意义，而不只是单纯的字串。
3、融合了所有的学科，以便于用户搜索时的连贯性。
4、为用户找出更加准确的信息，作出更全面的总结并提供更有深度相关的信息。
5、把与关键词相关的知识体系系统化地展示给用户。
6、从整个互联网汲取有用的信息让用户能够获得更多相关的公共资源。

应用范围

知识图谱帮助企业自动构建行业图谱，摆脱原始的人工输入，可以应用于智能搜索、文本分析、机器阅读理解、异常监控、风险控制等场景，达到真正的智能和自动。