1.3.1　知识图谱的应用

从发展的过程来看，知识图谱是在自然语言处理的基础上发展而来的。关于知识图谱的概念，并没有严格的定义。一般来讲，知识图谱的主要目标是用来描述真实世界中存在的各种实体和概念，以及它们之间的关系，通过这种关系来描述实体之间的关联，比如父亲和母亲的关系、和女儿之间的关系、和儿子之间的关系等。知识图谱还可以通过人为构建和定义去描述各种概念之间弱的关系，比如“上学”和“结婚”。

简单的理解知识图谱就是一个知识库，我们能利用这个知识库给定用户要查询的内容，然后到知识库中去进行关联分析和推理，试图让机器了解用户的意图，反馈和查询相关内容的更多关联信息。

举一个简单的例子，当你用所有的菜谱构建知识图谱，然后问“夏天西红柿怎么做汤”时，知识图谱会查询“夏天”“西红柿”和“汤”在所有菜谱中的直接和间接关系，进而推荐几个最匹配的菜谱。

总体而已，知识图谱有两大类主要应用：

• 搜索和问答类型的场景。
• 自然语言理解类的场景。

知识图谱的典型应用场景如图1.4所示。

图1.4　知识图谱的典型应用场景

知识图谱的核心元素是知识库。简单来讲，知识库包含了所有规则的集合，通过这些规则将事实和数据联系起来，是一种基于知识的系统，具有智能性。目前常见的知识库很多，如图1.5所示。更通俗地理解，知识库就是大量知识的汇聚。例如，用户对一些问题感兴趣的时候，可以从维基百科、百度百科、搜狗百科等网站获取大量的知识。

图1.5　常见的知识库