知识图谱：方法、实践与应用

知识图谱本身可以看作是一种新型的信息系统基础设施。具体可以从数据、技术、功能三个维度来认识。 从数据维度上看，知识图谱要求用更加规范的语义提升企业数据的质量，用链接数据的思想提升企业数据之间的关联度，终极目标是将非结构、无显示关联的粗糙数据逐步提炼为结构化、高度关联的高质量知识。每个企业都应该将知识图谱作为一种面向数据的信息系统基础设施进行持续性建设。 从技术维度上看，知识图谱的构建涉及知识表示、关系抽取、图数据存储、数据融合、推理补全等多方面的技术，而知识图谱的利用涉及语义搜索、知识问答、自动推理、知识驱动的语言及视觉理解、描述性数据分析等多个方面。要构建并利用好知识图谱，也要求系统性地综合利用来自知识表示、自然语言处理、机器学习、图数据库、多媒体处理等多个相关领域的技术，而非单个领域的单一技术。因此，知识图谱的构建和利用都应注重系统思维是未来的一种发展趋势。 从应用和功能纬度看，互联网促成了大数据的集聚，大数据进而促进了人工智能算法的进步。新数据和新算法为规模化知识图谱构建提供了新的技术基础和发展条件，使得知识图谱构建的来源、方法和技术手段都发生了极大的变化。知识图谱作为知识的一种形式，已经在语义搜索、智能问答、数据分析、自然语言理解、视觉理解、物联网设备互联等多个方面发挥出越来越大的价值。AI浪潮愈演愈烈，而作为底层支撑的知识图谱赛道也从鲜有问津到缓慢升温，虽然还谈不上拥挤，但作为通往未来的必经之路，注定会走上风口。

Linus Torvalds是当今世上最有名的程序员之一，他曾说过一句话：Talk is cheap. Show me the code. 这话有个很贴切的翻译：屁话少说，放码过来！

书名怕是起错了，叫《概念、方法简介》还差不多，离实践和应用也太远了吧。再次证明了“多个大佬主编的书都是xxxx”。

知识图谱表示与建模，存储，抽取和挖掘、融合、推理；语义搜索；知识问答的入门教材和基础知识[强][强]感谢作者和微信读书[抱拳][抱拳]

知识图谱本身这里面很火，应用场景也渐渐多了起来。不过这本书，明显有些拼凑嫌疑

作为人工智能近年发展小猛的概念之一，知识图谱确实在很多场景用于给一些项目提高档位。但是如果不能在“智能”这点上有突破，可能应用也就不多了。 一方面，当你把知识图谱看做技术的时候，它做的一些事，比如对世界上天然存在的关系网络的表达，和对这些关系的非智能化的分析计算，通过大数据技术也可以做到，另一方面，当你关注某个知识图谱的内容本身的时候，在感叹其内容很丰富，展示比较炫的时候，还是会感到无从下手做一些真正好用的功能。 但这不是知识图谱的问题，因为它是一种能比较自然表达和支持方便计算的数据组织方式，而人工智能需要突破，而实际上智能的应用除了简单问答和图片简单识别还没有更强的应用。一方面，一种技术的应用可能性畅想应该要分清理论和实际的差距，另一方面，学术上的方法做了太多的假设使之和工业界相距太远。真正关心的人，应该在基础上下足功夫。 不太清楚成书的背景，不少章节看起来像是发过的论文合订的，还有部分出现了校企合著的印象，大纲虽然有层次，但内容一方面深浅不一难以确定面向的读者，一方面出现了部分重叠的内容。

说实话，我觉得我买得有点冤，看了有一种小品里“村头厕所没纸了”的感觉，也不知道实践和应用。。。额，我总觉得大佬们忙不想写书就别写，虽然有市场，但是似乎有点不那么道德。可能是高人行事高深莫测吧，如果大家有跟我一样困境的推荐大家先看看邵浩、张凯、李方圆、张云柯、戴锡强的《从零构建知识图谱：技术、方法与案例》，是真的写了技术、方法和案例。

书有点长，相当知识图谱工具书。走马观花，算翻完了。谈不上理解，最多就是囫囵吞枣，对基础知识加深了认识。

一不小心看到了，还在想谁出书了呢，原来是漆教授呀，还是去年出版的呢，厉害了👍

既不深入，又不浅出。而且各章不同的作者各写各的，大量重复，废话连篇。