1
知识图谱的使用价值
随着互联网等技术的发展，一夜间海量的信息汹涌而来，让人们目不暇接。人类正处于一个信息爆炸的时代。
2012 年，Google 在优化信息搜索引擎时率先使用了知识图谱。于是人们开始发现，知识图谱可以将互联网的信息表达成更接近人类认知世界的形式，它提供了一种更好地组织、管理和理解互联网海量信息的能力。
如果说信息是杂乱无章的点，那么知识显然更具有逻辑性。知识图谱的出现，便于人们理解和记忆，从而更深入地融入当下时代。
知识图谱究竟有哪些使用价值？这里引用复旦大学肖仰华教授四点总结：
肖仰华
复旦大学教授，知识工场实验室负责人，青年973科学家，复旦爱树认知智能联合研究中心主任。
主要研究方向为大数据管理与挖掘、图数据库、中文知识图谱等。
①增加收入
以企业为例，根据招投标信息构建的商情图谱，有利于发现商机，有效提升企业的业务量，增加企业营收。
②减少成本
如依赖知识图谱构建的智能客服，已广泛应用于各个行业，极大减少了企业的客服人力成本。
▷ 火眼金睛AI版智能客服：智器云小云，可为用户提供智能问答、语义识别、场景预测等诸多功能。
③提高效率
如法院智能审判辅助系统，知识图谱的应用，使得信息已结构化形式呈现，繁简分流，帮助从业人员快速地在线检索相关的法务内容，提高法院审判工作质量和效率。
④降低风险
如应用于合同风险识别的知识图谱，自动提取文档内容的关键信息，自动生成对比结果报告，有效帮助识别风险。
2
知识图谱的常见误区
▷ 知识图谱和语义网络
通过上节文章我们已经知道，语义网络是上世纪60年代提出的知识表达模式，其用相互连接的节点和边来表示知识。
尽管语义网络和知识图谱在形式上相似，但语义网络更侧重于描述概念与概念之间的关系，而知识图谱则更偏重于描述实体之间的关联。有学者认为，这两者的提出动机不同，使用技术也不完全相同，不可以完全等同。
▷ 知识图谱和深度学习
深度学习是人工神经网络的一个分支，具有深度网络结构的人工神经网络是深度学习最早的网络模型，它与知识图谱在智能原理等方面存在着部分差异。
在可以预见的将来，基于通用的知识图谱引擎和技术框架，使用深度学习来优化已有的知识体系中不准、不全和不够灵活的地方，二者相互融合，将更有利于促进人工智能的发展。
▷ 知识图谱和思维导图
知识图谱是把不同种类的信息连接在一起而得到的关系网，它提供给我们从“关系”的角度去分析问题的能力。对于个人的知识整理和工作任务，其实也能套用这样的方法，大家最常使用的，就是“思维导图”。
▷ 常规的思维导图
很多朋友看完一本书，会用思维导图的形式把书中内容，按章节重点层层列出，显得十分有条理。但其实，以这种方法来做导图，虽然是把内容层层列出，但其实更像是一个目录，而不是知识图谱的最优呈现。纵使有人在做图过程中有思考厘清书中原理，也较难做到新旧知识联系。
对这种常规的导图做法，有学者评价：“导图是协助自己思考的一个工具，而不是把资料分门别类放好的书架。”很多时候，发挥作用的导图会显得十分“错乱”，因为知识的关系本来就如此错综复杂。我们不必为了追求“一时有序”，而错失了“本来目的”。
3
知识图谱的行业影响
经过近 6 年的技术发展，知识图谱在越来越多的垂直领域得到实践。
医疗：
通过构建医疗知识图谱，整合大量医疗文献和电子病历，获取海量高质量的医疗知识，不仅降低研发诊断成本，还能帮助医生快速查找合适的诊断方案。
▷浙江数字医疗技术卫生研究院发布的 “白内障”的治疗方式示例
农业：
大量的农业资料以不同格式分散存储，利用抽取挖掘技术从各种多源异构数据中获取相应的知识，并用统一图谱进行表示，实现多媒体知识指导，相比传统方式更加直观，更方便农民使用。
金融：
金融是知识图谱应用最广泛的领域之一，在反欺诈、反洗钱和风险控制等方面均有深入应用。这里重点以反洗钱为例。
▷ 智器云综合运用大数据智能技术，构造反洗钱异常交易全景式展示、模型挖掘、疑点甄别及可视化报告的智能平台，实现模型智造、风险图谱、一键可疑报告三大功能模块。
通过构建金融知识图谱，利用图挖掘、图分析技术，形成链状、圈状的客户群视图，生成了担保、资金往来等关系图谱，为商业银行提供精准可靠的营销及风控依据，助力金融行业向智能金融迈进。
制造业：
为了实现个性化制造运用于精细分析案例，知识图谱构建了关于产品评价的背景知识，如汽车的车型、车饰、动力、能耗等，提取消费者对汽车的褒贬态度、消费者改进建议、竞争品牌等评价与反馈，并以此为据实现按需与个性化定制。
公共安全：
通过构建知识图谱，让海量的数据更直观，理清错综复杂的关联关系，协助一线人员快速锁定犯罪嫌疑人。尤其针对公安行业，伴随着智慧新警综监管系统投入使用，知识图谱的应用将更加广泛。
▷ 智器云-公安知识图谱-通用业务能力介绍；我们将在第四节为大家分享知识图谱在公安行业的具体应用，敬请期待。
对于整个社会而言，当知识图谱赋能认知智能，伴随而来的将是机器生产力的进一步解放，人类脑力的不断解放，这最终将导致生产关系的改变。
通过本次分享，我们已经初步了解的知识图谱的使用价值、常见误区和行业影响。下一期将深度地走进知识图谱，了解核心技术内涵，不见不散！
参考文献
[1]知识图谱研究的回顾与展望.肖仰华.复旦大学
[2]知识图谱：概念与技术.肖仰华.复旦大学
[3]首次发布“疾病治疗方式”知识图谱.浙江数字医疗技术卫生研究院
[4]知识图谱和语义网概述.Storm·Rage.CSDN博客
[5]AI产品经理必修课：知识图谱的入门与应用.Alan
[6]语义网络/语义网/链接数据和知识图谱.SimmerChan.知乎
[7]AI赋能的知识应用市场发展现状及趋势分析.IDC中国.2021
[8]知识图谱的表示思维导图.大熊没有叮当猫、CSDN博客
[9]知识图谱的行业应用与未来发展.刘柳.读览天下
[10]知识图谱在日常生活中的应用.EnzoAI.简书
本文综合摘自网络平台，若有侵权，请联系管理员删除。
