前言
上文已经讲解了是图谱的构建以及存储。那么，知识图谱这种东西具体有什么用呢？这个问题其实非常开放的，下面我们通过一些例子来了解一下它的应用场景。
人物关系搜索
比如你在百度中查询“黄晓明”，除了会把这个人的个人资料给你显示出来，还会把他的照片库链接给你列出来附上链接，还会把他演过的电影列出来附上链接，甚至把他的老婆、前妻、堂妹、二舅母都列出来附上链接。这些关系是怎么知道的呢？毫无疑问，就是通过在海量的互联网上去爬取、挖掘，然后得到的关系。这就丰富了搜索的内容，并且提高了数据跳转的效率。‘
社交关系搜索
譬如，现在很多社交软件都会推荐一些“你可能认识的人”，还有就是有一些网站需要你上传一份简历。然后通过智能分析后，会帮你找到你失散多年的大学校友、中学校友，甚至幼儿班的校友。会帮你找到同事、前同事、前前同事。这里就需要用到知识图谱中的相关技术了。
推荐系统应用
推荐系统中也可以用这样的技术来辅助进行推荐，准确地说是建立更为丰富的特征工程。比如，一个人看完了《流浪地球》这部片子，他觉得很喜欢。那对于其它类似的片子是不是也会很喜欢呢，比如要不要推荐《疯狂的外星人》给他呢？总体来说，这种推荐思路是一种Item-CF的思路，就像下面这张图表示的这样。此时就需要对这两部影片进行分析，获取他们的介绍资料，以及网上七嘴八舌的影评。比如得到了这样的一个知识图谱的描述，相同的编剧，相同的题材，但是主题有区别。以这样的一个特征维度的描述来做相似度对比，然后决定要不要推荐。推荐的部分是Item-CF，右边挖掘其特征的部分还是一个类似知识图谱的应用场景。
小结
其实知识图谱的应用还有很多，例如在金融领域的防诈骗。还有一些应用其实并非是知识图谱的应用，只是图数据库的应用，但是总被人误认为是知识图谱。比如在社交网络上的“N度关系”挖掘，“你可能认识的人”云云……这类就是典型的图数据库挖掘技术。在刑侦案件中也可以考虑使用图数据库技术来进行“顺藤摸瓜”，挖掘基站、电话卡、手机IMEI码、手机通讯录、微信通讯录、GPS定位等之间的“传递关系”来找到犯罪嫌疑人。
关于本章“知识图谱”的内容到这里已经结束了。如有疑问可在留言区留言与我讨论。下一章，我们将会介绍现时在NLP领域中比较流行的几个语言模型。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69954080/viewspace-3163067/ ，如需转载，请注明出处，否则将追究法律责任。
