编者按：决策支持是人工智能内商业化最快的领域之一。什么是决策支持呢？举例来说，假设我们正在尝试解决一个现实问题，需要根据上下文相关信息进行决策，以确定通过哪种方式使该过程自动化或简化。而知识图谱就是人工智能中用于简化工作流程，自动响应和扩展智能决策的方法。以下将为您展开介绍

 

➤  什么是知识图谱

知识图谱是相互关联的一组事实，以人类可以理解的形式描述现实世界中的实体、事实或事物及其相互关系。与具有平坦结构和静态内容的简单知识库不同，知识图谱使用数据关系来获取并整合相邻信息，以得出新知识。

▌知识图谱的特征

1.知识图谱需要围绕相关属性进行连接。并非所有数据都是知识，通常我们需要查找与上下文相关的信息。

2.知识图谱是动态的。知识图谱本身可以理解连接实体的内容，而无需手动关联每条新信息。因为我们在构建知识图谱时，就对信息关联的逻辑进行了设计。

3.知识图谱是可以理解的。知识图谱同样是具有具体语义的，我们能够通过智能元数据在知识图谱中找到特定问题的答案。

4.知识图谱结合并揭示了信息孤岛之间的联系。

 

➤  知识图谱的应用

▌解决异构知识库的搜索问题

对于异构知识库来说，简单的关键字搜索效果往往是很差的，而知识图谱使我们能够将内部文档和文件的上下文与元数据标记结合在一起，并将这些信息连接到知识图谱中，从而使我们更快地查询该知识。

▌外部感知知识图谱

外部感知知识图谱汇总外部数据源并将其映射到感兴趣的内部实体。例如，在评估供应链风险时，我们可能希望查看所有供应商，包括他们的所有工厂位置以及我们所有的供应线，通过考虑特定地点的自然灾害对供应链的影响，以及不同地点的类似供应商数量等信息，来以评估供应链的稳定性。

这种场景，我们需要能够从市场中吸收大量信息：识别信息，并确定与上下文相关的内容，然后将其呈现给合适的人。除了供应链监控之外，知识图谱对外部信息的洞察力还可用于分析合规风险、市场活动和销售机会等。

▌自然语言处理知识图谱

自然语言处理（NLP）知识图谱包含人类语言的复杂性和细微差别。NLP知识图谱需要了解公司的特定技术术语、产品名称、行业缩写、零件编号、甚至常见的拼写错误。分析人员在这里创建知识图谱谱以映射含义并构建本体，从而改善搜索并提供更相关的结果。