同学们好，欢迎来到本章学习。在上一章我们讲解了NER技术以及它的一些应用。那么本章，我们来学习一个新的概念——知识图谱。所谓知识图谱，英文名叫Konwledge Graph,是一种用来表示知识之间结构与关系的一类应用统称，是一种知识库的表达形式。为什么称之为图谱呢，因为通常对于这样一系列的应用，使用图形化表示会显得更为具象，更好理解。
我们来看一个例子：
这就是一个比较简单的知识图谱的示例。黄金、稀土，这就是两个具体的名词对象了，这两个名词对象是可以和其它名词对象之间发生联系的。上面我们就简单写了几个由这两个名词对象辐射出来的关系，比如黄金的熔点、沸点、主产国等等。旁边的稀土也是，可以辐射出稀土的左右有什么，主产国有什么等等。
现实世界中的很多场景非常适合用知识图谱来表达。 比如一个社交网络图谱里，我们既可以有“人”的实体，也可以包含“公司”实体。人和人之间的关系可以是“朋友”，也可以是“同事”关系。人和公司之间的关系可以是“现任职”或者“曾任职”的关系。 类似的，一个风控知识图谱可以包含“电话”、“公司”的实体，电话和电话之间的关系可以是“通话”关系，而且每个公司它也会有固定的电话。
随着移动互联网的发展，使到万物互联成为了可能，这种互联所产生的数据也在爆发式地增长，而且这些数据恰好可以作为分析关系的有效原料。如果说以往的智能分析专注在每一个个体上，在移动互联网时代则除了个体，这种个体之间的关系也必然成为我们需要深入分析的很重要一部分。 在一项任务中，只要有关系分析的需求，知识图谱就“有可能”派的上用场。
这些关系是怎么来的呢？计算机自己当然肯定是不知道的。如果想要构建出来这样的一个图示关系肯定要用到这样的一些技术。从学术上系统地研究还是很复杂的，本章只用白话来最简单地逐个环节介绍一下。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69954080/viewspace-3124471/ ，如需转载，请注明出处，否则将追究法律责任。
