知识图谱是图计算相对成熟的案例吗？

起源

知识图谱（Graph）的概念于2012年首次提出，主要是将传统的基于语义的搜索模型升级为基于语义的搜索。 为了更好地查询复杂的相关信息，从语义层面理解用户意图，提高搜索质量。

概念

知识图谱是一种结构化的语义知识库，用于以符号形式描述物理世界中的概念及其关系。 其基本单位是“实体-关系-实体”三元组，以及实体及其相关属性键值对。 实体通过关系相互连接，形成网络化的知识结构。

本质上，知识图谱是一种揭示实体之间关系的语义网络，利用“属性-值对”来描述其内在特征。 三元组是知识图谱的通用表示。 基本形式主要包括实体1、关系、实体2以及概念、属性、属性值等。实体是知识图谱中最基本的元素，不同实体之间存在着不同的差异。 关系。 上图中，姚明和叶莉分别是两个实体。 年龄、身高、体重是实体属性，连接线是关系。

知识图谱架构的主要部分：

知识库

目前可以分为两种：KBs和KBs

知识图谱的应用

应用主要集中在搜索和推荐领域。 机器人（客服机器人、个人助理）是一个问答系统，本质上是搜索和推荐的延伸。 企查查、企信宝等公司利用图结构数据来更好地清理和处理知识存储的特征。

在语义搜索方面，知识图谱搜索与传统搜索不同。 传统的搜索是基于找到对应的网页集合，然后通过页面排名等算法对网页集合中的网页进行排名，然后显示给用户； 基于知识图谱的搜索就是遍历现有图知识库中的知识，然后将查询到的知识返回给用户。 通常如果路径正确的话，查询到的知识只会是一个或几个，这是相当准确的。

在问答系统中，系统也会首先借助知识图谱对用户使用自然语言提出的问题进行语义分析和语法分析，然后将其转化为结构化的查询语句，然后在查询中查询答案。知识图谱。

参考：