知识图谱（Knowledge Graph）是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法同计量学引文分析、共现分析等方法相结合，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。它把复杂的知识领域通过数据挖掘、信息处理、知识计量和图形绘制以显示出来，揭示知识领域的动态发展规律，为学科研究提供切实的、有价值的参考[3]。
2012年5月17日，Google正式提出了知识图谱（Knowledge Graph）的概念，其初衷是为了优化搜索引擎返回的结果，提升用户搜索质量及体验[4]。实际上，知识图谱并不是一个全新的概念，早在2006年就有文献提出了语义网（Semantic Network）的概念，呼吁推广、完善使用本体模型来形式化表达数据中的隐含语义，RDF（Resource Description Framework，资源描述框架）模式和 WOL（Web Ontology Language，万维网本体语言）就是基于上述目的产生的。用电子科技大学徐增林教授在论文中的表述来说，知识图谱技术的出现正是基于以上相关研究，是对语义网标准与技术的一次扬弃与升华。目前，随着智能信息服务应用的不断发展，知识图谱已广泛应用于智能搜索、智能问答、个性化推荐等领域。
在图情领域，知识图谱被定义为显示科学知识发展进程与结构关系的知识网络，通过知识域可视化，帮助“知识发现”的领域知识映射出地图；运用一系列各种不同的可视化图形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；将既定主题下的抽象科学信息映射入空间结构和图形，形成网状化可视化方法。知识图谱能够实现知识的创造与传递，特别是对于领域知识网络，能反映出一个领域内部知识的流动与传播，挖掘出在显性信息中难以发现的潜在知识，充分发挥出人文资源的价值和作用。
Quora上有一种经典的解读，区分“信息”和“知识”，见图11-1。(www.xing528.com)
图11-1 信息与知识关系
在信息的基础上，建立实体之间的联系，就能形成“知识”。知识图谱是由一条条知识组成，每条知识表示为一个SPO三元组（Subject-Predicate-Object）。在知识图谱中，我们用RDF形式化地表示这种三元关系。RDF是W3C制定的一种用于描述实体/资源的标准数据模型。RDF中有3种类型：IRI、blank node 和 literals，常用的是IRI和literals。IRI（International Resource Identifier）可以看作是URI或URL的泛化，用于在整个知识图谱中唯一地表示一个实体/资源。literals即字面量，可以看作是带有数据类型的纯文本。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
