知识图谱是什么，有哪些特性？
文章摘要：其实知识图谱的概念可以追溯到上个世纪五六十年代所提出的一种知识表示形式——语义网络(Semantic Network)。2012年5月16日，Google为了提升搜索引擎返回的答案质量和用户查询的效率，布了知识图谱(Knowledge Graph)。
其实知识图谱的概念可以追溯到上个世纪五六十年代所提出的一种知识表示形式——语义网络(Semantic Network)。2012年5月16日，Google为了提升搜索引擎返回的答案质量和用户查询的效率，布了知识图谱(Knowledge Graph)。有知识图谱作为辅助，搜索引擎能够洞察用户查询背后的语义信息，返回更为精准、结构化的信息，更大可能地满足用户的查询需求。经过长时间发展，又有人工智能等新兴技术加持，知识图谱概念逐渐完善，并呈现出以下特征：
1.准确性：知识图谱构建的语义网络中具有多种语义关系，多角度挖掘信息，保证相关信息的准确性；
2.可视化：知识图谱作为图类型知识库，本身具备可视化特性。知识图谱可以将多实体间的关系通过图形的方式进行显示。目前，通过知识图谱技术分析展示实体间关联关系已在多领域有广泛的应用；
3.关联分析：知识图谱本身具备“边”的概念，强调实体间的关联与属性。在实际业务场景中，利用知识图谱技术能快速有效地发现无关实体间的隐性关联关系。目前，关联分析在金融行业的营销与风控，政府与公共服务行业智能刑侦、智能经侦、治安管理、政务数字化等多领域有广泛应用；
4.拓展性：知识图谱本身的构建方式决定其本身具有良好的拓展性，当形成某细分领域知识图谱后可在此领域内快速拓展。同时，不同领域间知识图谱也有一定的拓展性，本身知识抽取与知识融合阶段对领域业务知识依赖有限，决定知识图谱领域内应用效果的关键因素是上层业务模型；
5.知识学习：通过推理、标注、纠错等具有反馈能力的学习机制，快速积累沉淀行业知识，形成领域知识库，降低行业经验的依赖性。
6.可解释性：弥补机器学习的不足，知识图谱本身与人类认知类似，通过实体、关系、属性去认知世界，同时知识图谱目前均为大规模知识库，语义丰富，将搜索问题与答案相连接，提供解释性的来源；
GaussMind知识图谱平台
GaussMind是沃丰科技AI场景落地专家，自研领先的AI基础设施“原心引擎”（NLP-PaaS、ASR），打造了文本机器人、外呼机器人、呼入机器人、智能质检、智能会话分析、坐席助手、KCS知识库、企业搜索、知识图谱、知识工程平台等AI场景落地应用。
通过“产品应用+知识中台+模块化开发平台”的闭环AI技术，覆盖营销、售前、售中、售后、财务、IT、产品、人事、行政等企业内外的各个部门场景，全面助力企业打造营销、管理、服务等场景的AI原生体验。
》》点击免费试用智能知识图谱，优势一试便知
文章为沃丰科技原创，转载需注明来源：https://www.udesk.cn/ucm/faq/38509
