导读
随着社交网络和搜索引擎技术的发展，以及人工智能技术领域从感知智能向认知智能的迈进，语义网技术以及其衍生出来的关系网络技术开始得到关注和快速的发展，也顺势推动了社交关系圈分析，个性推荐，智能问答，WEB语义分析，金融风险反欺诈分析以及金融资金关系圈分析等新兴应用的快速增长。
▐ 关系网络的基础知识
1、什么是关系网络
关系网络，又称知识图谱或者大规模语义网（下文全部统一为关系网络），是用关系和节点组成的大规模知识表示形式，包含实体（Entity），概念（Concept）及其之间的各种语义关系。
关系网络为真实世界的各个业务场景直观地建模，通过不同的知识关联性形成一个网络状的知识结构。形成关系网络的过程就是在建立认知，理解世界，理解领域，理解客观业务事实的过程，并组织成机器易于读取和分析的结构，让机器形成认知能力，去理解这个世界。人类的外显记忆用的就是基于语义分析的记忆形式，因此关系网络的数据组织形式更加贴合人类对信息的分析习惯。
2、关系网络的发展
早在20世纪70年代，因为关系网络数据模型的表达能力强，数据管理领域的研究人员就已经开始尝试使用关系网络模型对客观世界进行建模，非常直观和自然地表达出现实世界的各种客观实体概念以及他们之间的关系。
2000年以后，随着互联网数据的井喷式增长，更高效的搜索引擎数据检索，社交网络数据分析以及其它应用需求的推动，再加上大数据技术的逐渐成熟，并以2012年Google公司第一次将“知识图谱”技术带入公众视野中为契机，关系网络技术的研究工作重新成为人工智能领域的研究重点。
关系网络发展到如今，其内涵已经远远超出语义网络的范畴，它更多代表的是一种技术体系，指代基于大数据技术和人工智能技术等一系列知识工程的技术总和，也是构建现实世界业务客观事实模型的过程。随着近几年关系网络技术在工业界逐渐成熟和落地，关系网络类型也逐步从GKG（General-purpose Knowledge Graph）演化成为领域或者行业的关系网络类型DKG（Domain-specific Knowledge Graph）。
3、关系网络的落地
目前在工业界，比如银行金融领域，保险领域，电商领域，社交网络领域，都落地了很多基于DKG的成功项目，并真正为企业带来了巨大的成效，丰富了企业的数据分析维度。而基于GKG类型的项目，更多是在智能问答领域，以及教科研学术界有更多的落地案例。从实际成功落地的项目案例来看，更多的企业倾向于在特定垂直领域构建行业关系网络，基于具体的业务场景的关系网络去做数据挖掘工作。
构建整个企业生态的关系网络大图，也就是GKG，然后再从关系网络大图生成特定业务的关系网络子图去做具体的分析应用，也是不少企业正在尝试的实施路径，但同时会面临着更多的挑战，这些挑战不光来自技术层面，还有概念层面如何做到和实际业务的统一并保证完整。
正是因为关系网络技术的发展，工业界在传统的基于统计和概率的数据分析维度上，开始重视数据实体间的关系分析。目前，我们内部对数据挖掘分为三个大方向，一是基于统计和概率分析，二是基于时序分析，三是基于关系数据分析；并采用分类，聚类，关联分析，异常检测等多种技术手段。
作者：杨明皓，英国谢菲尔德大学硕士毕业。原海航集团大数据相关技术负责人，海南大数据产业联盟专家，现任普适智能COO；擅长大数据领域以及关系网络领域技术，有着丰富的银行金融业项目实施经验，并成功落地了多个基于知识图谱技术的项目。
关于我们
▼
普适智能科技有限公司（简称：普适智能PUSHI AI）是一家专注于数据处理和知识图谱技术的人工智能高科技公司，致力于为企业提供一站式认知智能服务。
普适智能专注于技术创新型人才提供技术分享和学习内容，使创新成为持续的核心竞争力。
如果您感兴趣，欢迎加入PUSHI AI社群，共同探索AI。关注普适智能并评论即可加入我们~
