知识图只是健壮的rdf吗?

不管你知不知道，你可能每周都会与知识图谱打交道，如果不是每天。当你让你最喜欢的语音助手，如Siri、Alexa、Cortana或其他语音助手回答你的问题时，你是在依靠潜在的知识图表来将你的问题上下文化，并链接到广泛的结构化和非结构化数据提供有力和全面的答案。

不是一个典型的图

所以,什么是知识图谱？知识图是一组相互关联的数据，它以编程的方式对某个领域的知识进行建模，通过主题专家和机器学习算法对相互关联的数据进行增强。知识图通常建立在数据库之上，以有意义的方式将包含的数据连接在一起。知识图的一个关键特征是它们具有可用于解释和推断的形式化语义。形式化语义就像知识图开发人员和用户(无论用户是人还是应用程序)之间关于知识图中数据含义的契约。

比RDFs更健壮

资源描述框架是在全球web上交换数据的标准模型。RDF已经支持异类数据的合并，并促进模式的演化，而不需要任何从演化模式中使用数据的人进行更改。然而，每个RDF图都不是知识图，也不是每个知识库都是知识图。要成为知识图，图必须具有形式结构和语义等互联数据的关键特征。知识图通常用于信息密集的服务，如上下文感知的内容推荐、语义搜索、监管文件信息发现和高级药物安全分析。

企业知识图表

像谷歌、Facebook和亚马逊这样的大型科技公司已经花费数百万美元创建了健壮而全面的知识图表。对这些公司来说，以有意义的方式连接不同的数据非常具有战略意义。当您在谷歌上搜索某些内容时，您正在与它的知识图进行交互，因为它接受您的搜索，分解搜索字符串，并通过获取它理解的您所问问题的正确答案来提供答案。从知识图谱中获益的公司不一定非得是科技巨头。所有组织都可以从组合竖井数据和连接结构化和非结构化数据中受益。这不仅使公司在员工赋权方面有了优势，而且使他们能够更快地获得更深入的见解，从而使他们更具竞争力。

随着数据智能行业不断远离大数据的概念，并要求所有数据都必须是智能数据，知识图变得更加必要。机器学习和人工智能具有惊人的潜力，可以解开数据深处的洞见，但如果它们被僵化的模式束缚，这就不可能发生。知识图提供了必要的背景和概念意识来解释数据，提取关键事实，然后进一步增强知识图，促进有价值分析的积极循环，推动结果和数据的丰富。