知识图谱_示例图
知识图谱这个网络具备以下3种特性：
1.1 由节点(Point)和边(Edge)组成
1.2 每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”
1.3 知识图谱是关系的最有效的表示方式
所以，知识图谱本质上就是语义网络，是一种基于图的数据结构；
2 知识图谱能干什么？
先按知识图谱应用的深度主要可以分为两大类：
一是通用知识图谱，通俗讲就是大众版，没有特别深的行业知识及专业内容，一般是解决科普类、常识类等问题。
二是行业知识图谱，通俗讲就是专业版，根据对某个行业或细分领域的深入研究而定制的版本，主要是解决当前行业或细分领域的专业问题。
下面我根据这两大类，分别从知识图谱应用的广度进行介绍：
2.1 通用知识图谱
我们日常见到的都是通用知识图谱，主要应用于面向互联网的搜索、推荐、问答等业务场景；
先列举3个通用知识图谱的案例：
2.1.1、百度知识图谱（http://tupu.baidu.com/）
2.1.2、搜狗搜索（https://www.sogou.com/）
2.1.3、360搜索（https://www.so.com）
2.2 行业知识图谱
行业知识图谱指面向特定领域的知识图谱，用户目标对象需要考虑行业中各级别的人员，不同人员对应的操作和业务场景不同，因而需要一定的深度与完备性，行业知识图谱对准确度要求非常高，通常用于辅助各种复杂的分析应用或决策支持，有严格与丰富的数据模式，行业知识图谱中的实体通常属性比较多且具有行业意义
2.2.1、人脉路径查询
基于两个用户之间的关联实体（比如：所在单位、同事、同学、朋友、家人等）找到两者之间的关联路径。
2.2.2、企业社交图谱查询
基于投资、任职、专利、招投标、涉诉关系以目标企业为核心心向外层层扩散，形成一个网络关系图，直观立体展现企业关联。
2.2.3、企业最终控股人查询
基于股权投资关系寻找持股比例最大的股东，最终追溯至自然人或国有资源管理部门。
2.2.4、辅助信贷审核
基于知识图谱数据的统一查询，全面掌握客户信息；避免由于系统、数据孤立、信息不一致造成信用重复使用、信息不完整等问题。
2.2.5、反欺诈之组团骗贷
同一个人利用多个身份去申请贷款，详细见下图：虽然贷款人A、贷款人B、贷款人C之间没有直接的关系，但通过知识图谱可以看出三者之间都共享某一部分信息，存在一定的组团骗贷风险。
还有更多行业案例，画图真的很辛苦，有时间再补充，同时欢迎大家添砖加瓦。
案例补充：
1、企业发展历程时序图（融资）
基于企业知识图谱中的投融资事件发生的时间顺序，记录企业的融资发展历程。
2、竞品分析
电商平台常会用到，两家企业知识路径越相似，竞争关系越紧张。
3、征信系统
根据用户已有信息（例如：教育信息、身份信息、联系方式、担保或被担保人信息）关联多家平台信用记录。
建设一个知识图谱系统，需要包括：知识建模、知识获取、知识融合、知识存储和知识应用5大部分：
1、知识建模：构建多层级知识体系，将抽象的知识、属性、关联联关系等信息，进行定义、组织、管理，转化成现实的数据库。
2、知识获取：将不同来源、不同结构的数据转化成图谱数据，包括结构化数据、半结构化数据（解析）、知识标引、知识推理等，保障数据的有效性和完整性。
3、知识融合：将多个来源、重复的知识信息进行融合，包括融合计算、融合计算引擎、手动操作融合等。
4、知识存储：根据业务场景提供合理的知识存储方案，存储方案具备灵活、多样化、可拓展特性。
5、知识应用：为已构建知识图谱提供图谱检索、知识计算、图谱可视化等分析与应用能力。并提供各类知识计算的SDK，包含图谱基础应用类、图结构分析类、图谱语义应用类、自然语言处理类、图数据获取类、图谱统计类、数据集数据获取类、数据集统计类。