知识图谱研究综述

被引：221

作者：

黄恒琪 ^{[1
]}

于娟 ^{[1
]}

廖晓 ^{[2
]}

席运江 ^{[3
]}

机构：

[1] 福州大学经济与管理学院

[2] 广东金融学院互联网金融与信息工程学院

[3] 华南理工大学工商管理学院

来源：

计算机系统应用 | 2019年 / 28卷 / 06期

关键词：

知识图谱; 本体; 通用知识图谱; 行业知识图谱; 知识图谱构建;

D O I：

10.15888/j.cnki.csa.006915

中图分类号：

TP391.3 [检索机];

学科分类号：

摘要：

知识图谱是以图的形式表现客观世界中的概念和实体及其之间关系的知识库,是语义搜索、智能问答、决策支持等智能服务的基础技术之一.目前,知识图谱的内涵还不够清晰;且因建档不全,已有知识图谱的使用率和重用率不高.为此,本文给出知识图谱的定义,辨析其与本体等相关概念的关系.本体是知识图谱的模式层和逻辑基础,知识图谱是本体的实例化;本体研究成果可以作为知识图谱研究的基础,促进知识图谱的更快发展和更广应用.本文罗列分析了国内外已有的主要通用知识图谱和行业知识图谱及其构建、存储及检索方法,以提高其使用率和重用率.最后指出知识图谱未来的研究方向.

引用

页码：1 / 12

页数：12

共 29 条

[1]

基于多种数据源的中文知识图谱构建方法研究.[D].胡芳槐.华东理工大学.2015, 05

[2]

High-Leverage Apps for the Mathematics Classroom: WolframAlpha.[J]..Mathematics Teacher.2015, 1

[3]

gStore: a graph-based SPARQL query engine.[J].Lei Zou;M. Tamer Özsu;Lei Chen;Xuchuan Shen;Ruizhe Huang;Dongyan Zhao.The VLDB Journal.2014, 4

[4]

Dynamic FOAF management method for social networks in the social web environment..[J].Jong-Soo Sohn;In-Jeong Chung.The Journal of Supercomputing.2013, 2

[5]

BabelNet: The automatic construction; evaluation and application of a wide-coverage multilingual semantic network.[J].Roberto Navigli;Simone Paolo Ponzetto.Artificial Intelligence.2012,

[6]

Ontology learning from text.[J].Wilson Wong;Wei Liu;Mohammed Bennamoun.ACM Computing Surveys (CSUR).2012, 4

[7] YAGO: A Large Ontology from Wikipedia and WordNet [J].