知識(shí)圖譜的理論基礎(chǔ)(知識(shí)圖譜怎樣入門(mén))
1.知識(shí)圖譜怎樣入門(mén)
知識(shí)圖譜作為一門(mén)學(xué)問(wèn)，絕不是用個(gè)圖數(shù)據(jù)庫(kù)寫(xiě)幾條查詢，或者用規(guī)則寫(xiě)一個(gè)表格的提取，就可以稱為成功的運(yùn)用的。
和所有的學(xué)科一樣，都需要長(zhǎng)期的艱苦的努力，在充分了解前人成果的基礎(chǔ)上，才有可能做出一點(diǎn)點(diǎn)成績(jī)。知識(shí)圖譜作為人工智能（AI）的一個(gè)分支，和AI的其他分支一樣，它的成功運(yùn)用，都是需要知道它的所長(zhǎng)，更需要知道它的所短的。
特別是AI各個(gè)學(xué)派林立，經(jīng)驗(yàn)主義（機(jī)器學(xué)習(xí)）、連接主義（神經(jīng)網(wǎng)絡(luò)）、理性主義（知識(shí)工程）、行為主義（機(jī)器人）各個(gè)方法的優(yōu)劣，倘若不能有縱覽的理解，也難以做正確的技術(shù)選型，往往盲目相信或者排斥一種技術(shù)。AI是一個(gè)極端需要廣闊視野的學(xué)科。
知識(shí)圖譜涉及知識(shí)提取、表達(dá)、存儲(chǔ)、檢索一系列技術(shù)，即使想有小成，也需要幾年的功夫探索。如下所列，應(yīng)該是每個(gè)知識(shí)圖譜從業(yè)者都應(yīng)該了解的一些基本功：知道Web的發(fā)展史，了解為什么互聯(lián)和開(kāi)放是知識(shí)結(jié)構(gòu)形成最關(guān)鍵的一件事。
（我把這個(gè)列第一條，是我的偏見(jiàn)——但我認(rèn)為這是最重要的一個(gè)insights）知道RDF,OWL,SPARQL這些W3C技術(shù)堆棧，知道它們的長(zhǎng)處和局限。會(huì)使用RDF數(shù)據(jù)庫(kù)和推理機(jī)。
了解一點(diǎn)描述邏輯基礎(chǔ)，知道描述邏輯和一階邏輯的關(guān)系。知道模型論，不然完全沒(méi)法理解RDF和OWL。
了解圖靈機(jī)和基本的算法復(fù)雜性。知道什么是決策問(wèn)題、可判定性、完備性和一致性、P、NP、NExpTime。
最好再知道一點(diǎn)邏輯程序（Logic Programming），涉獵一點(diǎn)答集程序（Answer Set Programming），知道LP和ASP的一些小工具。這些東西是規(guī)則引擎的核心。
如果不滿足于正則表達(dá)式和if-then-else，最好學(xué)一點(diǎn)這些。
2.知識(shí)圖譜怎樣入門(mén)
知識(shí)圖譜作為一門(mén)學(xué)問(wèn)，絕不是用個(gè)圖數(shù)據(jù)庫(kù)寫(xiě)幾條查詢，或者用規(guī)則寫(xiě)一個(gè)表格的提取，就可以稱為成功的運(yùn)用的。和所有的學(xué)科一樣，都需要長(zhǎng)期的艱苦的努力，在充分了解前人成果的基礎(chǔ)上，才有可能做出一點(diǎn)點(diǎn)成績(jī)。
知識(shí)圖譜作為人工智能（AI）的一個(gè)分支，和AI的其他分支一樣，它的成功運(yùn)用，都是需要知道它的所長(zhǎng)，更需要知道它的所短的。特別是AI各個(gè)學(xué)派林立，經(jīng)驗(yàn)主義（機(jī)器學(xué)習(xí)）、連接主義（神經(jīng)網(wǎng)絡(luò)）、理性主義（知識(shí)工程）、行為主義（機(jī)器人）各個(gè)方法的優(yōu)劣，倘若不能有縱覽的理解，也難以做正確的技術(shù)選型，往往盲目相信或者排斥一種技術(shù)。AI是一個(gè)極端需要廣闊視野的學(xué)科。
知識(shí)圖譜涉及知識(shí)提取、表達(dá)、存儲(chǔ)、檢索一系列技術(shù)，即使想有小成，也需要幾年的功夫探索。如下所列，應(yīng)該是每個(gè)知識(shí)圖譜從業(yè)者都應(yīng)該了解的一些基本功：
知道Web的發(fā)展史，了解為什么互聯(lián)和開(kāi)放是知識(shí)結(jié)構(gòu)形成最關(guān)鍵的一件事。（我把這個(gè)列第一條，是我的偏見(jiàn)——但我認(rèn)為這是最重要的一個(gè)insights）
知道RDF,OWL,SPARQL這些W3C技術(shù)堆棧，知道它們的長(zhǎng)處和局限。會(huì)使用RDF數(shù)據(jù)庫(kù)和推理機(jī)。
了解一點(diǎn)描述邏輯基礎(chǔ)，知道描述邏輯和一階邏輯的關(guān)系。知道模型論，不然完全沒(méi)法理解RDF和OWL。
了解圖靈機(jī)和基本的算法復(fù)雜性。知道什么是決策問(wèn)題、可判定性、完備性和一致性、P、NP、NExpTime。
最好再知道一點(diǎn)邏輯程序（Logic Programming），涉獵一點(diǎn)答集程序（Answer Set Programming），知道LP和ASP的一些小工具。這些東西是規(guī)則引擎的核心。如果不滿足于正則表達(dá)式和if-then-else，最好學(xué)一點(diǎn)這些。
3.知識(shí)圖譜的介紹
知識(shí)圖譜，也稱為科學(xué)知識(shí)圖譜，它通過(guò)將應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化技術(shù)、信息科學(xué)等學(xué)科的理論與方法與計(jì)量學(xué)引文分析、共現(xiàn)分析等方法結(jié)合，并利用可視化的圖譜形象地展示學(xué)科的核心結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域以及整體知識(shí)架構(gòu)達(dá)到多學(xué)科融合目的的現(xiàn)代理論。為學(xué)科研究提供切實(shí)的、有價(jià)值的參考。
4.知識(shí)圖譜的簡(jiǎn)介
知識(shí)圖譜（Mapping Knowledge Domain）也被稱為科學(xué)知識(shí)圖譜，在圖書(shū)情報(bào)界稱為知識(shí)域可視化或知識(shí)領(lǐng)域映射地圖，是顯示知識(shí)發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，用可視化技術(shù)描述知識(shí)資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識(shí)及它們之間的相互聯(lián)系。
具體來(lái)說(shuō)，知識(shí)圖譜是通過(guò)將應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化技術(shù)、信息科學(xué)等學(xué)科的理論與方法與計(jì)量學(xué)引文分析、共現(xiàn)分析等方法結(jié)合，并利用可視化的圖譜形象地展示學(xué)科的核心結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域以及整體知識(shí)架構(gòu)達(dá)到多學(xué)科融合目的的現(xiàn)代理論。它把復(fù)雜的知識(shí)領(lǐng)域通過(guò)數(shù)據(jù)挖掘、信息處理、知識(shí)計(jì)量和圖形繪制而顯示出來(lái)，揭示知識(shí)領(lǐng)域的動(dòng)態(tài)發(fā)展規(guī)律，為學(xué)科研究提供切實(shí)的、有價(jià)值的參考。迄今為止，其實(shí)際應(yīng)用在發(fā)達(dá)國(guó)家已經(jīng)逐步拓展并取得了較好的效果，但它在我國(guó)仍屬研究的起步階段。
5.什么是知識(shí)圖譜
知識(shí)圖譜（Knowledge Graph/Vault）又稱為科學(xué)知識(shí)圖譜，在圖書(shū)情報(bào)界稱為知識(shí)域可視化或知識(shí)領(lǐng)域映射地圖，是顯示知識(shí)發(fā)展進(jìn)程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，用可視化技術(shù)描述知識(shí)資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識(shí)及它們之間的相互聯(lián)系。
通過(guò)將應(yīng)用數(shù)學(xué)、圖形學(xué)、信息可視化技術(shù)、信息科學(xué)等學(xué)科的理論與方法與計(jì)量學(xué)引文分析、共現(xiàn)分析等方法結(jié)合，并利用可視化的圖譜形象地展示學(xué)科的核心結(jié)構(gòu)、發(fā)展歷史、前沿領(lǐng)域以及整體知識(shí)架構(gòu)達(dá)到多學(xué)科融合目的的現(xiàn)代理論。為學(xué)科研究提供切實(shí)的、有價(jià)值的參考。
