知识表示
基于离散符号的知识表示：
RDF（Directed Labeled Graph-有向标记图）, OWL（Web Ontology Language-网页本体语言）,各种Rule Language 等
显式知识，强逻辑约束，易于解释，推理不易扩展
基于连续向量的知识表示：
Tensor（张量）,各种Embedding(嵌入)，神经网络表示等
隐式知识，弱逻辑约束，不易解释，对接神经网络
知识图谱的起源
KG的本质
KG辅助搜索问答：
VQA.png
MR.png
KG的构建和获取(一般会寻求开放社区和外部数据的帮助)
Freebase
WikiData
Schema.Org - 搜索引擎优化 （在网页代码种嵌入 Semantic Markup 语义标记）
ConcepNet- CC BY SA
数据版权
常用知识库许可协议
关于OpenKG
知识问答工具
Protege- 知识建模工具 （知识可视化，知识推理）
DeepDive-知识抽取
gStore-知识存储
YodaQA - 开源QA工具
Limes-知识融合工具 （Limes:实体链接发现框架）
一些百科KG
zhishi.me
xlore
CN-DBPedia
PKUBase
清华大学科技知识图谱
ConceptGraph
文因互联
上海图书馆名人手稿档案关联开放数据
荷兰阿姆斯特丹自有大学医学知识图谱
华东理工大学的中文症状库
广州索达菜谱
下面是知识图谱的常见技术
知识抽取NLP+KR：
知识存储
知识问答
知识推理
知识融合
知识众包
关于schema.org
实体链接，查询和任务补全
用于web数据的抽取和融合
用于KG数据建模与推理
以上资料来源于小象学院的“从人工智能到开放知识图谱”的免费公开课，如有侵权，请联系本人删除
