「知否」知识地图和知识图谱是什么？

欢迎大家来到IT世界,在知识的湖畔探索吧!

不问不知，不学不成。知识管理“知否”？ 精短解答，轻松和你踏上知识管理进阶之路。今日知否：知识地图和知识图谱是什么？

欢迎大家来到IT世界,在知识的湖畔探索吧!

问题： 经常听到知识地图和知识图谱？是一回事情吗？分别是什么？

解答： 知识地图和知识图谱是完全不同的知识管理技术类专业术语。而知识图谱同时还跨界在现在很火、未来也火的前沿交叉学科-人工智能领域关键技术之列中（2019版《人工智能标准化白皮书》）。

知识地图（Knowledge Map），是一种知识导航系统，显示不同的知识存储之间重要的动态联系。表达知识的位置、范围和联系。它已经是知识管理比较成熟的功能。输出的内容包括知识的来源、整合后的知识内容、知识流和知识的汇聚。

用户通过知识地图的形式，可以对来自知识文库或其它系统的知识进行体系化梳理并展示。知识地图一般由用户手动进行创建，具体场景是根据用户对所连接知识内容的体系化理解构建的。注意，知识地图不论以何种型态出现，只告知知识所在的位置，并不包含知识内容。

通常我们看到的思维导图、知识专辑、知识流程图其实就是一种知识地图。想想看，体系化的知识内容、可视化的展示，能清晰地表达体系化知识、方便组织内成员查找知识和利用知识，其实是个可以拿来就用的不错的工具。但关键还是用户对所连接知识内容的体系化理解，并且知识内容已经存在。

而知识图谱（ Knowledge Graph）的概念由谷歌2012年正式提出，旨在改善搜索引擎性能，并且于2013年以后开始在学术界和业界普及。目前，知识图谱已经开始应用于智能搜索、智能问答、个性化推荐、情报分析、语义理解等领域，但还是有关键技术点在攻克中。

知识图谱强调语义检索能力，关键通过知识图谱能够将信息、数据以及链接关系聚集为知识，使信息资源更易于计算、理解以及评价，并且形成一套语义知识库。因此知识图谱本质上是一种叫做语义网络（semantic network）的知识库，即具有有向图结构的一个知识库；图的结点代表实体（entity）或者概念（concept），而图的边代表实体/概念之间的各种语义关系，比如说两个实体之间的相似关系。

知识图谱一般由知识获取、数据融合和知识计算三部分技术组成。

知识获取技术：主要实现从非结构化、半结构化以及结构化的数据中获取知识。

数据融合技术：则负责将从不同数据源中获取的知识进行融合，确保全局知识的一致性。

知识计算技术：主要负责基于知识图谱的计算功能进行知识推理的应用。

从逻辑结构来看，知识图谱分为数据层和模式层两个层次。

模式层在数据层之上，是知识图谱的核心，存储经过提炼的知识，通常采用本体库来管理知识图谱的模式层。借助本体库对公理、规则和约束条件的支持能力来规范实体、关系以及实体的类型和属性等对象之间的联系。

在数据层，知识以事实（fact）为单位存储在图数据库中。通常以“实体-关系-实体”或者”实体-属性-值”三元组作为事实的基本表达方式进行存储，存储在图数据库中的所有数据将构成庞大的实体关系网络，即得到知识的图谱。

可能不少人认为搭建一个知识图谱系统的重点在于算法和开发。 但事实并不是想象中的那样，其实
最重要的核心在于对业务的理解以及对知识图谱本身的设计。这就类似于对于一个业务系统，数据库表的设计尤其关键， 而且这种设计绝对离不开对业务的深入理解以及对未来业务场景变化的预估。而这正是知识管理多年来扎根业务知识和业务场景的优势所在。

点一点，进阶群里更多互动答疑，因人数达到上限，请加管理员，邀请入群