知识图谱研究进展.pdf

特约专题 sPEcial articlEs doi:10.3772/j.issn.2095-915x.2017.01.002 知识图谱研究进展 东南大学计算机科学与工程学院　南京　211189 漆桂林 高桓 吴天星 摘 要 随着大数据时代的到来，知识工程受到了广泛关注，如何从海量的数据中提取有用的知识，是 大数据分析的关键。知识图谱技术提供了一种从海量文本和图像中抽取结构化知识的手段，从而具有 广阔的应用前景。本文首先简要回顾知识图谱的历史，探讨知识图谱研究的意义。其次，介绍知识图 谱构建的关键技术，包括实体关系识别技术、知识融合技术、实体链接技术和知识推理技术等。然后， 给出现有开放的知识图谱数据集的介绍。最后，给出知识图谱在情报分析中的应用案例。 关键词：人工智能，知识图谱，知识挖掘，情报分析 中图分类号：G35 The Research Advances of Knowledge Graph School of Computer Science and Engineering, Southeast University, Nanjing 211189, China QI GuiLin GAO Huan WU TianXing Abstract With the advent of big data era, knowledge engineering has attracted wide attention, as mining knowledge from large-scale data is critical for big data analysis. Knowledge graph techniques provide a way to extract structured knowledge from large-scale texts and images, thus have wide application prospect. In this article, we first gave a brief overview of the history of knowledge graph, and discussed the importance of knowledge graph research. We then introduced key technologies of knowledge graph, including techniques of instance relation detection, techniques of knowledge fusion, techniques of instance mapping, and techniques of knowledge reasoning. After that, we introduced some well-known open knowledge graph datasets. Finally, we presented some use cases of knowledge graph in intelligence analysis. Keywords：Artificial Intelligence, knowledge graph, knowledge mining, intelligence analysis 基金项目：本文受国家自然科学基金面上项目：基于图的并行OWL本体推理方法研究的资助。 作者简介：漆桂林（1977-），博士，教授，研究方向：人工智能、知识工程、语义网，gqi@；高桓（1984-），博士研究 生，研究方向：数据挖掘，信息抽取，知识库构建；吴天星（1990-），博士研究生，研究方向：知识图谱，语义Web，知识挖掘。 technology intelligence engineering 004 2017 年第 3 卷 第 1 期 知识图谱研究进展 tHE rEsEarcHaDVancEs oF KnoWlEDGE GraPH 1 知识图谱历史回顾 开始转向具有严格逻辑语