1. 知识图谱(KG)的概念
知识图谱(KG)得益于Web的发展（更多的是数据层面），有着来源于KR、NLP、Web、AI多个方面的基因。知识图谱是2012年后的提法，基础还是语义网和本体论。
知识图谱的本质包含：
- 知识表示——Knowledge Representation
- 基于知识表示的知识库——Knowledge Base
- 知识库的来源：知识构建、知识抽取、知识融合；
- 知识库怎么用：语义搜索、知识问答
- Web的视角：像建立文本之间的超链接一样，建立数据之间的语义链接，并支持语义搜索；
- NLP视角：怎么从文本中抽取语义和结构化数据
- KR视角：怎样利用计算机符号表示和处理数据
- AI视角：怎样利用知识库来辅助理解人类的语言
- DB视角：用图的方式去存储知识；
知识图谱由文本(Texts、Documents)的链接到对象(Objects)的链接。 知识图谱(KG)的作用:
- 辅助搜索
- 辅助问答
- 辅助决策
- 辅助AI：常识推理
知识图谱与深度学习的区别：人的大脑依赖所学的知识进行思考、逻辑推理、理解语言。 可以将深度学习和知识图谱比作是“聪明的AI”和“有学识的AI”。
- 深度学习：主要是【学习】能力，通过强
