知識圖譜的理論基礎(chǔ)(知識圖譜怎樣入門)
1.知識圖譜怎樣入門
知識圖譜作為一門學(xué)問，絕不是用個圖數(shù)據(jù)庫寫幾條查詢，或者用規(guī)則寫一個表格的提取，就可以稱為成功的運用的。
和所有的學(xué)科一樣，都需要長期的艱苦的努力，在充分了解前人成果的基礎(chǔ)上，才有可能做出一點點成績。知識圖譜作為人工智能（AI）的一個分支，和AI的其他分支一樣，它的成功運用，都是需要知道它的所長，更需要知道它的所短的。
特別是AI各個學(xué)派林立，經(jīng)驗主義（機器學(xué)習(xí)）、連接主義（神經(jīng)網(wǎng)絡(luò)）、理性主義（知識工程）、行為主義（機器人）各個方法的優(yōu)劣，倘若不能有縱覽的理解，也難以做正確的技術(shù)選型，往往盲目相信或者排斥一種技術(shù)。AI是一個極端需要廣闊視野的學(xué)科。
知識圖譜涉及知識提取、表達、存儲、檢索一系列技術(shù)，即使想有小成，也需要幾年的功夫探索。如下所列，應(yīng)該是每個知識圖譜從業(yè)者都應(yīng)該了解的一些基本功：知道Web的發(fā)展史，了解為什么互聯(lián)和開放是知識結(jié)構(gòu)形成最關(guān)鍵的一件事。
（我把這個列第一條，是我的偏見——但我認為這是最重要的一個insights）知道RDF,OWL,SPARQL這些W3C技術(shù)堆棧，知道它們的長處和局限。會使用RDF數(shù)據(jù)庫和推理機。
了解一點描述邏輯基礎(chǔ)，知道描述邏輯和一階邏輯的關(guān)系。知道模型論，不然完全沒法理解RDF和OWL。
了解圖靈機和基本的算法復(fù)雜性。知道什么是決策問題、可判定性、完備性和一致性、P、NP、NExpTime。
最好再知道一點邏輯程序（Logic Programming），涉獵一點答集程序（Answer Set Programming），知道LP和ASP的一些小工具。這些東西是規(guī)則引擎的核心。
如果不滿足于正則表達式和if-then-else，最好學(xué)一點這些。
2.知識圖譜怎樣入門
知識圖譜作為一門學(xué)問，絕不是用個圖數(shù)據(jù)庫寫幾條查詢，或者用規(guī)則寫一個表格的提取，就可以稱為成功的運用的。和所有的學(xué)科一樣，都需要長期的艱苦的努力，在充分了解前人成果的基礎(chǔ)上，才有可能做出一點點成績。
知識圖譜作為人工智能（AI）的一個分支，和AI的其他分支一樣，它的成功運用，都是需要知道它的所長，更需要知道它的所短的。特別是AI各個學(xué)派林立，經(jīng)驗主義（機器學(xué)習(xí)）、連接主義（神經(jīng)網(wǎng)絡(luò)）、理性主義（知識工程）、行為主義（機器人）各個方法的優(yōu)劣，倘若不能有縱覽的理解，也難以做正確的技術(shù)選型，往往盲目相信或者排斥一種技術(shù)。AI是一個極端需要廣闊視野的學(xué)科。
知識圖譜涉及知識提取、表達、存儲、檢索一系列技術(shù)，即使想有小成，也需要幾年的功夫探索。如下所列，應(yīng)該是每個知識圖譜從業(yè)者都應(yīng)該了解的一些基本功：
知道Web的發(fā)展史，了解為什么互聯(lián)和開放是知識結(jié)構(gòu)形成最關(guān)鍵的一件事。（我把這個列第一條，是我的偏見——但我認為這是最重要的一個insights）
知道RDF,OWL,SPARQL這些W3C技術(shù)堆棧，知道它們的長處和局限。會使用RDF數(shù)據(jù)庫和推理機。
了解一點描述邏輯基礎(chǔ)，知道描述邏輯和一階邏輯的關(guān)系。知道模型論，不然完全沒法理解RDF和OWL。
了解圖靈機和基本的算法復(fù)雜性。知道什么是決策問題、可判定性、完備性和一致性、P、NP、NExpTime。
最好再知道一點邏輯程序（Logic Programming），涉獵一點答集程序（Answer Set Programming），知道LP和ASP的一些小工具。這些東西是規(guī)則引擎的核心。如果不滿足于正則表達式和if-then-else，最好學(xué)一點這些。
3.知識圖譜的介紹
知識圖譜，也稱為科學(xué)知識圖譜，它通過將應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化技術(shù)、信息科學(xué)等學(xué)科的理論與方法與計量學(xué)引文分析、共現(xiàn)分析等方法結(jié)合，并利用可視化的圖譜形象地展示學(xué)科的核心結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域以及整體知識架構(gòu)達到多學(xué)科融合目的的現(xiàn)代理論。為學(xué)科研究提供切實的、有價值的參考。
4.知識圖譜的簡介
知識圖譜（Mapping Knowledge Domain）也被稱為科學(xué)知識圖譜，在圖書情報界稱為知識域可視化或知識領(lǐng)域映射地圖，是顯示知識發(fā)展進程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，用可視化技術(shù)描述知識資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識及它們之間的相互聯(lián)系。
具體來說，知識圖譜是通過將應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化技術(shù)、信息科學(xué)等學(xué)科的理論與方法與計量學(xué)引文分析、共現(xiàn)分析等方法結(jié)合，并利用可視化的圖譜形象地展示學(xué)科的核心結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域以及整體知識架構(gòu)達到多學(xué)科融合目的的現(xiàn)代理論。它把復(fù)雜的知識領(lǐng)域通過數(shù)據(jù)挖掘、信息處理、知識計量和圖形繪制而顯示出來，揭示知識領(lǐng)域的動態(tài)發(fā)展規(guī)律，為學(xué)科研究提供切實的、有價值的參考。迄今為止，其實際應(yīng)用在發(fā)達國家已經(jīng)逐步拓展并取得了較好的效果，但它在我國仍屬研究的起步階段。
5.什么是知識圖譜
知識圖譜（Knowledge Graph/Vault）又稱為科學(xué)知識圖譜，在圖書情報界稱為知識域可視化或知識領(lǐng)域映射地圖，是顯示知識發(fā)展進程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，用可視化技術(shù)描述知識資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識及它們之間的相互聯(lián)系。
通過將應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化技術(shù)、信息科學(xué)等學(xué)科的理論與方法與計量學(xué)引文分析、共現(xiàn)分析等方法結(jié)合，并利用可視化的圖譜形象地展示學(xué)科的核心結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域以及整體知識架構(gòu)達到多學(xué)科融合目的的現(xiàn)代理論。為學(xué)科研究提供切實的、有價值的參考。
