王昊奋,丁 军,胡芳槐,王 鑫

(1.同济大学 设计创意学院,上海 200092; 2.海乂知信息科技(南京)有限公司,南京 210008;3.天津大学 智能与计算学部,天津 300354)

0 概述

知识是机器实现认知智能不可或缺的基础,而知识图谱则是用于表示、处理与运用知识的关键技术,能够使机器理解知识并在此基础上进行相应的推理计算。知识图谱以其强大的语义表达、存储和推理能力,为互联网时代的数据知识化组织和智能应用提供了有效的解决方案。知识图谱的构建及其应用一方面引起了学术界的密切关注,大量研究者对知识图谱相关技术进行了深入的研究,包括知识获取、知识融合、知识计算、语义搜索和知识问答等;另一方面,大规模知识图谱在解决实际问题时效果显著,也得到了工业界的青睐,以微软、谷歌、脸谱、eBay和IBM为代表的国际巨头与BAT、华为和小米等国内大型互联网企业在其产品和产业应用中均使用了知识图谱及其相关的关键技术[1]。

现有的综述文献多数偏向于阐述知识图谱相关技术的研究,包括知识图谱的总体研究综述[2-3]以及面向特定子领域的研究,如知识表示学习[4-5]、知识融合[6-7]、知识存储[8-10]、知识推理[11-13]、知识补全[14]等,文献[3,15-16]也系统地介绍了在特定领域场景中使用相关技术进行知识图谱构建的研究。但上述工作没有涉及工程化流程与知识图谱平台的建设。本文对知识图谱的相关技术进行综述,着重研究知识图谱在企业级应用场景中的工程实践,包括典型的工业级知识图谱应用场景、知识图谱工程落地的生命周期、企业级知识图谱平台的构建以及中台化演进等。……