《中國人工智能學會通訊》——12.54 知識圖譜應用

Google 最初提出知識圖譜是為了增強搜尋結果，改善使用者搜尋體驗，知識圖譜的應用遠不止這些，基于知識圖譜的服務和應用是目前的一大研究熱點。按照應用方式可以分為語義搜尋、知識問答，以及基于知識的大資料分析與決策等。

語義搜尋：利用知識圖譜所具有的良好定義的結構形式，以有向圖的方式提供滿足使用者需求的結構化語義内容，主要包括 RDF 和 OWL 的語義搜尋引擎和基于連結資料的搜尋等[35] 。語義搜尋利用建立大規模知識庫對使用者搜尋關鍵詞和文檔内容進行語義标注，改善搜尋結果[36] ，典型的應用包括谷歌 [37] 、百度和搜狗在搜尋結果中分别嵌入的其知識圖譜，包括實體的詳細結構化資訊和相關實體的描述。

知識問答：基于知識庫的問答[38-41]通過對問句的語義分析，将非結構化問句解析成結構化的查詢語句，在已有結構化的知識庫上查詢答案。基于知識的問答依賴于語義解析器的性能，在面對大規模、開放域知識庫時，往往性能較低。近兩年很多研究者開始研究基于深度學習的知識庫問答方法[42-44] ，這類方法更具魯棒性。

知識驅動的大資料分析與決策：利用知識圖譜可以輔助行業和領域的大資料分析和決策。美國 Netflix 公司利用根據其訂閱使用者的注冊資訊和觀看行為建構的知識圖譜，分析了解到使用者很喜歡Fincher，也知道 Spacey 主演的影片表現都不錯，還知道英劇版的《紙牌屋》很受歡迎，拍攝了現在的《紙牌屋》，在美國及 40 多個國家成為熱門的線上劇集。