1.1知识图谱的发展历史
知识图谱始于20世纪50年代，至今大致分为三个发展阶段：
• 第一阶段 （1955年—1977年）是知识图谱的起源阶段，在这一阶段中引文网络分析 开始成为一种研究当代科学发展脉络的常用方法；
• 第二阶段（1977年-2012 年）是知识图谱的发展阶段，语义网得到快速发展，“知识本体”的研究 开始成为计算机科学的一个重要领域，知识图谱吸收了语义网、本体在知识组织和表达方面的理念，使得知识更易于在计算机之间和计算机与人之间交换、流通和加工；
• 第三阶段（2012年—至今）是知识图谱繁荣阶段，2012年谷歌提出Google Knowledge Graph，知识图谱正式得名，谷歌通过知识图谱技术改善了搜索引擎性能。在人工智能的蓬勃发展下，知识图谱涉及到的知识抽取、表示、融合、推理、问答等关键问题得到一定程度的解决和突破，知识图谱成为知识服务领域的一个新热点，受到国内外学者和工业界广泛关注。
知识图谱具体的发展历程如下图所示。
案例讲解素材
近年来，随着语义Web的兴起，本体技术受到了广泛关注。很多大型跨国公司都开始研究本体技术。谷歌于2012年提出了知识图谱的项目，旨在利用本体技术来提高搜索的精度和更智能化的知识浏览。国内的互联网公司，如百度、搜狗，也已经开展这方面的项目。微软提出了Probase项目，旨在通过爬取网页中的信息来构建大规模的本体。IBM利用语义Web技术来处理异构医疗数据的整合以及更准确的查询回答。本体技术在IBM的著名问答系统Watson中发挥了重要的作用。Oracle实现了一个强大的语义数据推理和索引系统。本体技术还受到欧美政府的支持。英国政府发起了http://Data.gov.uk项目，把很多政府网站的信息都以本体的形式分布。而美国政府也有类似的项目。学术界对本体的研究有很多成果，特别是在计算机科学领域，有很多实用的技术被开发。欧盟在最近5年投入大量科研经费（累积超过数亿欧元）用于本体相关的研究。
1.2 知识图谱的重要性
哲学家柏拉图把知识定义为“Justified True Belief”，即知识需要 满足三个核心要素：合理性（Justified）、真实性（True）、被相信 （Believed）。简单而言，知识是人类通过观察、学习和思考有关客观世界的各种现象而获得和总结出的所有事实（Facts）、概念（Concepts）、规则或原则（Rules & Principles）的集合。人类发明了各种手段来描述、表示和传承知识，如自然语言、绘画、音乐、数学语言、物理模型、化学 公式等，可见对于客观世界规律的知识化描述对于人类社会发展的重要性。具有获取、表示和处理知识的能力是人类心智区别于其它物种心智的重要特征，知识图谱已成为推动机器基于人类知识获取认知能力的重要途 径，并将逐渐成为未来智能社会的重要生产资料。
n 知识图谱是人工智能的重要基石。
n 知识图谱推动智能发展。
n 知识图谱是强人工智能发展的核心驱动力之一。
知识图谱是Google在2012年5月17日提出的，其初衷是为了提高搜索引擎的能力，改善用户的搜索质量以及搜索体验。当前的人工智能技术其实可以简单地划分为感知智能（主要是图像、视频、语音、文字等识别）和认知智能（涉及知识推理、因果分析等），知识图谱技术就是认知智能领域中的主要技术，是人工智能技术的组成部分，其强大的语义处理和互联组织能力，为智能化信息应用提供了基础。
一个知识图谱旨在描述现实世界中存在的实体以及实体之间的关系。随着人工智能技术的发展和应用，知识图谱作为关键技术之一，已被广泛应用于智能搜索、智能问答、个性化推荐、内容分发等领域。
从使用范围来说，知识图谱分为通用知识图谱和领域知识图谱，通用知识图谱强调的是广度，数据多来自于互联网，而领域知识图谱应用于垂直领域，成为了基础数据服务。
1.3 知识图谱的定义
知识图谱（Knowledge Graph）以结构化的形式描述客观世界中概念、实体及其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和理解互联网海量信息的能力。知识图谱 给互联网语义搜索带来了活力，同时也在智能问答中显示出强大威力，已 经成为互联网知识驱动的智能应用的基础设施。知识图谱与大数据和深度 学习一起，成为推动互联网和人工智能发展的核心驱动力之一。
技术标准化研究院 知识图谱不是一种新的知识表示方法，而是知识表示在工业界的大 规模知识应用，它将互联网上可以识别的客观对象进行关联，以形成客观世界实体和实体关系的知识库，其本质上是一种语义网络，其中的节点代表实体(entity)或者概念(concept)，边代表实体/概念之间的各种语义关系。知识图谱的架构，包括知识图谱自身的逻辑结构以及构建知识图谱所采用的技术（体系）架构。知识图谱的逻辑结构可分为模式层与数据层，模式层在数据层之上，是知识图谱的核心，模式层存储的是经过提炼的知识，通常采用本体库来管理知识图谱的模式层，借助本体库对公理、规则和约束条件的支持能力来规范实体、关系以及实体的类型和属性等对象之间的联系。数据层主要是由一系列的事实组成，而知识将以事实为单位进行存储。在知识图谱的数据层，知识以事实（fact）为单位存储在图数据库。 如果以“实体－关系－实体”或者“实体－属性－性值”三元组作为事实的基本表达方式，则存储在图数据库中的所有数据将构成庞大的实体关系网络，形成“知识图谱”。
知识图谱旨在描述真实世界中存在的各种实体或概念及其关系,其构成一张巨大的语义网络图，节点表示实体或概念，边则由属性或关系构成。现在的知识图谱已被用来泛指各种大规模的知识库。
如上图所示，知识图谱中包含三种节点，其基本形式为（实体1-关系-实体2）、（实体-属性-属性值）。
实体：指的是有可区别性且独立存在的事物。如某个国家：中国、英国等；某个城市：北京、伦敦等。
语义类：具有某种特性的实体构成的集合，如国家、城市、民族等。
属性值：实体指向的属性的值。例如中国（实体）面积（属性）960万平方公里（属性值）。
关系：在知识图谱上，关系是把kk个图节点（实体、语义类、属性值）映射到布尔值的函数。
基于上述的语义图概念，我们可以构建一个国家的知识图谱作为例子，如下图所示：
