看“降龍”絕技——淺析知識(shí)圖譜技術(shù)生態(tài)鏈

人工智能發(fā)展到今天，以深度學(xué)習(xí)和知識(shí)圖譜為代表的感知智能（主要集中在對(duì)于圖片、視頻以及語(yǔ)音的能力的探究）和認(rèn)知智能（涉及知識(shí)推理、因果分析等），得到越來越多的應(yīng)用，知識(shí)圖譜逐漸成為關(guān)鍵技術(shù)之一，現(xiàn)已被廣泛運(yùn)用到智能搜索、智能問答、個(gè)性化推薦、內(nèi)容分發(fā)等領(lǐng)域。知識(shí)圖譜在2012年由谷歌提出，旨在描述現(xiàn)實(shí)世界中存在的實(shí)體以及實(shí)體之間的關(guān)系。它把復(fù)雜的知識(shí)領(lǐng)域通過數(shù)據(jù)挖掘、信息處理、知識(shí)計(jì)量和圖形繪制出來，探索知識(shí)領(lǐng)域的動(dòng)態(tài)發(fā)展規(guī)律，它不是指某一特定的模型，是指一類模型、一種技術(shù)體系。

知識(shí)圖譜作為近年在大數(shù)據(jù)時(shí)代下新穎的知識(shí)組織與檢索技術(shù)，它的知識(shí)組織和展示的優(yōu)勢(shì)慢慢體現(xiàn)出來，越來越得到各行業(yè)的重視。知識(shí)圖譜在很多場(chǎng)合上被用作讓機(jī)器理解語(yǔ)言的背景知識(shí)庫(kù)，它的根本意義就是能幫助機(jī)器理解語(yǔ)言。下面我們通俗易懂地介紹一下知識(shí)圖譜中涉及的關(guān)鍵技術(shù)，以便于讀者加深一些知識(shí)圖譜的感性認(rèn)識(shí)，為今后知識(shí)圖譜的應(yīng)用打下一定技術(shù)基礎(chǔ)。

知識(shí)圖譜的技術(shù)生態(tài)鏈概述

知識(shí)圖譜通常以實(shí)體為節(jié)點(diǎn)形成一個(gè)大的網(wǎng)絡(luò)，從實(shí)際業(yè)務(wù)需求出發(fā)，在知識(shí)實(shí)體之上抽象出數(shù)據(jù)模型，按實(shí)體自身、實(shí)體屬性、實(shí)體關(guān)系，將多領(lǐng)域的信息關(guān)聯(lián)起來，同時(shí)利用第三方數(shù)據(jù)，結(jié)合知識(shí)獲取方法，填充圖譜信息。

知識(shí)圖譜的技術(shù)生命周期大致可分為六大步驟，按順序依次為：知識(shí)建模、知識(shí)獲取、知識(shí)加工、知識(shí)存儲(chǔ)、知識(shí)校驗(yàn)、知識(shí)應(yīng)用。

整個(gè)知識(shí)圖譜技術(shù)生態(tài)鏈生命周期如上圖，其流程是：

1、知識(shí)建模：對(duì)知識(shí)圖譜進(jìn)行構(gòu)建，包括數(shù)據(jù)模型、知識(shí)模型等；

2、知識(shí)獲?。航尤氩杉筒少?gòu)數(shù)據(jù)，進(jìn)行數(shù)據(jù)標(biāo)引，并根據(jù)指標(biāo)計(jì)算得出未識(shí)別的實(shí)體基礎(chǔ)數(shù)據(jù)；用實(shí)體對(duì)齊消歧服務(wù)進(jìn)行實(shí)體識(shí)別，初步得到實(shí)體基礎(chǔ)數(shù)據(jù)；

3、知識(shí)存儲(chǔ)：將驗(yàn)證過的實(shí)體基礎(chǔ)數(shù)據(jù)保存到知識(shí)庫(kù)，訓(xùn)練機(jī)器學(xué)習(xí)模型，保存知識(shí)到知識(shí)圖譜（特指圖數(shù)據(jù)庫(kù)）中；

4、知識(shí)加工：知識(shí)庫(kù)將實(shí)體基礎(chǔ)數(shù)據(jù)進(jìn)行知識(shí)融合，進(jìn)行知識(shí)計(jì)算服務(wù)；

5、知識(shí)校驗(yàn)：整個(gè)過程中進(jìn)行驗(yàn)證和校驗(yàn)；

6、知識(shí)應(yīng)用：基于以上技術(shù)支撐，實(shí)現(xiàn)知識(shí)圖譜應(yīng)用。

形成知識(shí)圖譜技術(shù)鏈的“降龍六掌”

在武俠迷熟知的金庸武俠世界中，有一套號(hào)稱“天下第一剛猛”的掌法——降龍十八掌，使用者配合渾厚的內(nèi)力，無堅(jiān)不摧、無固不破。雖招數(shù)有限，但每一招均具巨大的威力，是歷代丐幫幫主的獨(dú)門絕學(xué)。我們?cè)谶@里可以把知識(shí)當(dāng)作一類“龍”，借用一下金庸大俠描繪的降龍十八掌中頗具威力的六掌，來形容知識(shí)圖譜的六大技術(shù)步驟如何“降龍”，方便讀者理解。這六大招術(shù)對(duì)應(yīng)知識(shí)圖譜技術(shù)鏈分別是：

讀者朋友疑惑了：“降龍”武功和人工智能技術(shù)有什么關(guān)系？別急，下面我們來逐一介紹。

1、知識(shí)建?！婟?jiān)谔?/span>

降龍十八掌中的“見龍?jiān)谔铩边@一招，是蓄勢(shì)之后構(gòu)建自身堅(jiān)固防御的掌法，與構(gòu)建知識(shí)圖譜模型比較類似，是打基礎(chǔ)的步驟。知識(shí)圖譜的模型構(gòu)建是整個(gè)技術(shù)鏈條重要的第一步，其質(zhì)量直接決定了圖譜應(yīng)用的效果。知識(shí)圖譜構(gòu)建了實(shí)體與實(shí)體之間更深層次、更長(zhǎng)范圍的關(guān)聯(lián)，增強(qiáng)了機(jī)器學(xué)習(xí)算法的挖掘能力，一定程度上提高了人工智能預(yù)測(cè)的準(zhǔn)確性和多樣性，也有效地彌補(bǔ)交互信息的稀疏或缺失。

通過圖譜建模，其建立的Schema相當(dāng)于數(shù)據(jù)模型，描述了領(lǐng)域下包含的類型（Type），與類型下描述實(shí)體的屬性（Property），Property中實(shí)體與實(shí)體之間的關(guān)系為邊（Relation），實(shí)體自帶信息為屬性（Attribute）。知識(shí)圖譜建模的步驟如下：

（1） 確定實(shí)體（圖譜中的節(jié)點(diǎn)），將實(shí)體抽取、合并，對(duì)不同來源的數(shù)據(jù)進(jìn)行映射合并；

（2） 將實(shí)體屬性與標(biāo)簽建模，利用屬性來表示不同數(shù)據(jù)源中對(duì)實(shí)體的描述，對(duì)實(shí)體的全方位描述進(jìn)行建模；

（3） 實(shí)體關(guān)系信息建模（圖設(shè)計(jì)），記錄描述各類抽象建模成實(shí)體的數(shù)據(jù)關(guān)系，支持分析關(guān)聯(lián)；

（4） 多實(shí)體之間靜態(tài)關(guān)聯(lián)建模，實(shí)現(xiàn)圍繞實(shí)體多種類數(shù)據(jù)的關(guān)聯(lián)建模；

（5） 實(shí)體動(dòng)態(tài)事件關(guān)聯(lián)建模，將客觀世界中實(shí)體動(dòng)態(tài)發(fā)展與事件關(guān)聯(lián)，利用時(shí)序記錄實(shí)體的發(fā)展?fàn)顩r。

2、知識(shí)獲取——雙龍取水

在知識(shí)采集的過程中，經(jīng)常會(huì)遇到結(jié)構(gòu)化和非結(jié)構(gòu)化（包括半結(jié)構(gòu)化）兩種數(shù)據(jù)，我們可以把這兩種數(shù)據(jù)比喻為兩條“龍”。而在降龍十八掌中有一招就是“雙龍取水”，這一招是雙掌同時(shí)發(fā)出取敵要害，可以形象地比喻獲取上述的結(jié)構(gòu)化和非結(jié)構(gòu)化知識(shí)數(shù)據(jù)。知識(shí)圖譜的數(shù)據(jù)來源有類型多、來源廣、數(shù)量大、模式繁雜等特點(diǎn)，相對(duì)傳統(tǒng)的數(shù)據(jù)采集和抽取，難度是比較大的。

知識(shí)圖譜可以將多源異構(gòu)、多維的數(shù)據(jù)匯聚到一起，通過知識(shí)獲取的技術(shù)手段，將不同來源、不同結(jié)構(gòu)的數(shù)據(jù)進(jìn)行知識(shí)提取，最后形成知識(shí)存入到知識(shí)圖譜。針對(duì)不同種類的數(shù)據(jù)，需要利用不同的技術(shù)進(jìn)行提取。

l 結(jié)構(gòu)化數(shù)據(jù)的獲取相對(duì)簡(jiǎn)單，做好數(shù)據(jù)的映射和轉(zhuǎn)換，就可以進(jìn)行常態(tài)化抽取。

l 對(duì)于半結(jié)構(gòu)化數(shù)據(jù)，通常利用人機(jī)結(jié)合方式自動(dòng)學(xué)習(xí)，針對(duì)不同結(jié)構(gòu)的數(shù)據(jù)配置的數(shù)據(jù)源進(jìn)行解析，主要識(shí)別文本或數(shù)據(jù)中的人名、地名、專業(yè)術(shù)語(yǔ)、時(shí)間等實(shí)體信息進(jìn)行抽取。

l 對(duì)文本類的非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行實(shí)體識(shí)別、關(guān)系抽取、概念抽取、事件抽取。通常面向特定領(lǐng)域的信息抽取可預(yù)先定義好抽取的關(guān)系類型，利用“啟發(fā)式算法+人工規(guī)則”，實(shí)現(xiàn)自動(dòng)抽取實(shí)體信息，同時(shí)使用機(jī)器學(xué)習(xí)算法訓(xùn)練系統(tǒng)來減少各種形式的噪音和不確定性，通過“有監(jiān)督學(xué)習(xí)+先驗(yàn)知識(shí)”，為每一個(gè)決斷進(jìn)行復(fù)雜的可能性計(jì)算。在抽取過程中，通常會(huì)使用NLP分詞、命名實(shí)體識(shí)別工具如NLPIR、LTP等工具進(jìn)行監(jiān)督學(xué)習(xí)和信息抽取。

3、知識(shí)存儲(chǔ)——潛龍?jiān)跍Y

潛龍?jiān)跍Y（又名：潛龍勿用）是降龍十八掌中積累了較大的內(nèi)力然后蓄勢(shì)而發(fā)的一招，相當(dāng)于時(shí)刻準(zhǔn)備著隨時(shí)能夠?qū)橙私o予打擊。知識(shí)圖譜對(duì)知識(shí)存儲(chǔ)也類似，是將知識(shí)和相關(guān)信息、數(shù)據(jù)進(jìn)行存儲(chǔ)，形成海量的知識(shí)庫(kù)，以便后續(xù)進(jìn)行知識(shí)圖譜的應(yīng)用。知識(shí)圖譜的存儲(chǔ)是基于圖的數(shù)據(jù)結(jié)構(gòu)，主要方式有：RDF（Resource Description Framework）存儲(chǔ)和圖數(shù)據(jù)庫(kù)（Graph Database），知識(shí)圖譜數(shù)據(jù)存儲(chǔ)需要支持的基本數(shù)據(jù)存儲(chǔ)有：三元組知識(shí)存儲(chǔ)、事件信息存儲(chǔ)、事態(tài)信息存儲(chǔ)、使用知識(shí)圖譜組織的數(shù)據(jù)存儲(chǔ)。

當(dāng)前項(xiàng)目上大部分使用neo4j進(jìn)行知識(shí)圖譜存儲(chǔ)，neo4j的特點(diǎn)是采用原生圖存儲(chǔ)與處理，不支持AICD事物處理，不使用Schema。

在實(shí)際項(xiàng)目中，針對(duì)知識(shí)圖譜的存儲(chǔ)沒有一種通用的能夠解決所有問題的方案，主要還是依據(jù)數(shù)據(jù)特點(diǎn)進(jìn)行數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)的選擇與設(shè)計(jì)，存儲(chǔ)設(shè)計(jì)時(shí)需要考慮：基礎(chǔ)存儲(chǔ)可按數(shù)據(jù)場(chǎng)景選擇使用關(guān)系型數(shù)據(jù)庫(kù)、非關(guān)系型數(shù)據(jù)庫(kù)或內(nèi)存數(shù)據(jù)庫(kù)；不在圖數(shù)據(jù)庫(kù)中統(tǒng)計(jì)分析計(jì)算，將需要進(jìn)行統(tǒng)計(jì)分析計(jì)算的數(shù)據(jù)放到規(guī)劃合適的存儲(chǔ)中再進(jìn)行統(tǒng)計(jì)分析；需要考慮快速推理與圖計(jì)算等大數(shù)據(jù)存儲(chǔ)的支持。

4、知識(shí)加工——龍戰(zhàn)于野

“龍戰(zhàn)于野”的寓意為：在荒野與龍大戰(zhàn)，是降龍十八掌中十分奧妙的招式，也是眾多招式中覆蓋范圍大、縱橫捭闔、恢弘大氣的絕技。在知識(shí)圖譜中為了獲得結(jié)構(gòu)化、網(wǎng)絡(luò)化的知識(shí)體系，還需要進(jìn)行知識(shí)加工，而知識(shí)加工的過程復(fù)雜，對(duì)數(shù)據(jù)進(jìn)行各種復(fù)雜地整合、清洗、計(jì)算，用這一招“龍戰(zhàn)于野”來比喻還是相對(duì)貼切的。

知識(shí)加工是一個(gè)知識(shí)數(shù)據(jù)處理過程的統(tǒng)稱，包括知識(shí)融合、知識(shí)計(jì)算、知識(shí)更新等過程。通過數(shù)據(jù)的抽取，從原始數(shù)據(jù)里提取出實(shí)體關(guān)系和屬性的知識(shí)要素，再經(jīng)過知識(shí)融合，消除實(shí)體的支撐項(xiàng)和實(shí)體對(duì)象之間的奇異，得到一系列基本的事實(shí)描述，再經(jīng)過知識(shí)計(jì)算（推理）、知識(shí)更新，最終形成知識(shí)圖譜。

下面我們按這三個(gè)過程，簡(jiǎn)單介紹一下：

l 知識(shí)融合：將知識(shí)獲取后得到的多源異構(gòu)、信息多樣、動(dòng)態(tài)演化的知識(shí)通過沖突檢測(cè)和一致性檢測(cè)，對(duì)知識(shí)進(jìn)行正確性判斷、去粗取精。主要包括實(shí)體鏈接、知識(shí)合并兩部分操作。

l 知識(shí)計(jì)算及推理：包括圖挖掘計(jì)算、知識(shí)推理等。知識(shí)推理是指從已有的實(shí)體關(guān)系數(shù)據(jù)出發(fā)，進(jìn)行計(jì)算推理，建立實(shí)體新關(guān)聯(lián)，擴(kuò)展和豐富知識(shí)網(wǎng)絡(luò)，知識(shí)推理是構(gòu)建知識(shí)圖譜的重要手段和關(guān)鍵環(huán)節(jié)。典型的方法有：

屬性值推理：比如根據(jù)樹木的年輪可推斷出其生長(zhǎng)年份；

概念推理：如狼屬于犬科，犬科屬于食肉目，可以推出狼屬于食肉目。

l 知識(shí)更新：知識(shí)圖譜所獲取的知識(shí)是不斷動(dòng)態(tài)新增的，知識(shí)更新基于不斷流入的數(shù)據(jù)進(jìn)行分析從而得到的類似事件實(shí)體的動(dòng)態(tài)數(shù)據(jù)，新增數(shù)據(jù)后獲得了新概念，需將新概念加入到知識(shí)庫(kù)中。還有將新增或更新的實(shí)體、關(guān)系、屬性、屬性值加入知識(shí)庫(kù)。典型的更新可以是：由大數(shù)據(jù)計(jì)算“熱詞”與已有實(shí)體比較，自動(dòng)補(bǔ)充新實(shí)體；通過遠(yuǎn)程監(jiān)督，當(dāng)遠(yuǎn)程數(shù)據(jù)資源發(fā)生變化被監(jiān)測(cè)到時(shí)，監(jiān)督自身數(shù)據(jù)是否需要隨之變化。

5、知識(shí)校驗(yàn)——亢龍有悔

“亢龍有悔”的寓意是“盈不可久，步有虛實(shí)，可退可先”。在降龍掌法中，是一個(gè)圓轉(zhuǎn)如意、可以隨時(shí)修正的招術(shù)。知識(shí)圖譜中，知識(shí)在積累、加工過程中，逐步會(huì)產(chǎn)生一些問題，需隨時(shí)進(jìn)行知識(shí)校驗(yàn)（也可以叫做知識(shí)的質(zhì)量評(píng)估），不斷修正“亢”（突出的情況），才能長(zhǎng)期使用。知識(shí)校驗(yàn)是知識(shí)圖譜構(gòu)建的重要組成部分，通過校驗(yàn)對(duì)知識(shí)體系的可信度進(jìn)行量化評(píng)估后，再進(jìn)行知識(shí)糾偏來保證知識(shí)庫(kù)的質(zhì)量。

知識(shí)校驗(yàn)是貫穿整個(gè)知識(shí)圖譜技術(shù)生態(tài)鏈的過程。在初期的模型設(shè)計(jì)過程中，需要嚴(yán)格規(guī)范模型及其類型、屬性等等。如果不夠規(guī)范，會(huì)導(dǎo)致錯(cuò)誤傳達(dá)到數(shù)據(jù)底層且不易糾錯(cuò)。在知識(shí)來源中獲取的知識(shí)（數(shù)據(jù)）或多或少都包含著各種雜質(zhì)，在模型層面上，添加人工校驗(yàn)方法與驗(yàn)證約束規(guī)則，保證導(dǎo)入數(shù)據(jù)的規(guī)范性進(jìn)行知識(shí)校驗(yàn)。

對(duì)于實(shí)體間關(guān)系的準(zhǔn)確性，如上下文關(guān)系是否正確、實(shí)例的類型是否正確，實(shí)例之間的關(guān)系是否準(zhǔn)確等，可以利用實(shí)體的信息與圖譜中的結(jié)構(gòu)化信息計(jì)算一個(gè)關(guān)系的置信度，或看作關(guān)系對(duì)錯(cuò)與否的二分類問題。涉及到其他來源的數(shù)據(jù)，在數(shù)據(jù)融合的同時(shí)進(jìn)行交叉驗(yàn)證，保留驗(yàn)證通過的知識(shí)。當(dāng)圖譜數(shù)據(jù)初步成型，在知識(shí)應(yīng)用過程中，通過模型結(jié)果倒推出的錯(cuò)誤，也有助于凈化圖譜中的雜質(zhì)（如知識(shí)推理時(shí)出現(xiàn)的矛盾導(dǎo)致知識(shí)有誤的情況）。

6、知識(shí)應(yīng)用——飛龍?jiān)谔?/span>

當(dāng)知識(shí)庫(kù)中的知識(shí)積累到一定程度，就是知識(shí)圖譜顯示威力的時(shí)候了，“飛龍?jiān)谔臁笔墙谍埵苏浦型薮?，具超?qiáng)展現(xiàn)力的一招掌法。同樣，知識(shí)應(yīng)用也即知識(shí)圖譜的“飛龍?jiān)谔臁?，是最終開花結(jié)果的階段。知識(shí)應(yīng)用階段能體現(xiàn)更規(guī)范的數(shù)據(jù)表示、更強(qiáng)的數(shù)據(jù)關(guān)聯(lián)以及更深邃的數(shù)據(jù)價(jià)值。

當(dāng)今知識(shí)圖譜已經(jīng)蓬勃發(fā)展，上圖是網(wǎng)絡(luò)上知識(shí)圖譜的典型應(yīng)用場(chǎng)景，可以看到知識(shí)圖譜已經(jīng)突破最早在智能搜索領(lǐng)域應(yīng)用的初衷，快速發(fā)展到智能客服、推薦、情報(bào)分析、智能對(duì)話、輔助決策等等其他人工智能領(lǐng)域。

當(dāng)前AI領(lǐng)域非?；馃岬恼Z(yǔ)義搜索，就是基于知識(shí)圖譜對(duì)用戶輸入進(jìn)行理解，解決傳統(tǒng)搜索中遇到的關(guān)鍵詞語(yǔ)義多樣性及語(yǔ)義消歧的難題，識(shí)別實(shí)體、概念和屬性，并返回實(shí)體、關(guān)系、鏈接的數(shù)據(jù)等所產(chǎn)生的豐富結(jié)果。

語(yǔ)義搜索可以延伸發(fā)展到基于自然語(yǔ)言理解的智能問答系統(tǒng)。智能問答針對(duì)用戶輸入的自然語(yǔ)言進(jìn)行解析，對(duì)用戶查詢意圖進(jìn)行分析與理解，從知識(shí)圖譜中或目標(biāo)數(shù)據(jù)中進(jìn)行查詢檢索，生成候選答案并根據(jù)結(jié)果權(quán)重進(jìn)行排序，給出用戶問題的答案。

另外，可視化決策輔助也是知識(shí)圖譜越來越多的應(yīng)用方向之一，很多人工智能的實(shí)際應(yīng)用中，通過圖譜展示、統(tǒng)計(jì)分析、最短路徑發(fā)現(xiàn)、多節(jié)點(diǎn)關(guān)聯(lián)探尋等可視化技術(shù)手段，能夠構(gòu)建基于知識(shí)圖譜的一體化決策輔助系統(tǒng)，以支撐用戶進(jìn)行知識(shí)決策輔助應(yīng)用。

知識(shí)圖譜可以建立為面向某一行業(yè)領(lǐng)域特定的知識(shí)圖譜應(yīng)用平臺(tái)，比如目前知識(shí)圖譜在風(fēng)控領(lǐng)域上，更多應(yīng)用于反欺詐、反洗錢、互聯(lián)網(wǎng)授信、保險(xiǎn)欺詐、銀行欺詐、電商欺詐、項(xiàng)目審計(jì)作假、企業(yè)關(guān)系分析、罪犯追蹤等場(chǎng)景中。

結(jié)語(yǔ)

知識(shí)圖譜是一個(gè)很龐大的技術(shù)體系，在人工智能領(lǐng)域中，可以說和深度學(xué)習(xí)是一樣的繁雜和深?yuàn)W，限于篇幅，本文僅僅是做一個(gè)科普，使讀者朋友對(duì)知識(shí)圖譜的技術(shù)鏈建立一個(gè)感性認(rèn)識(shí)，并產(chǎn)生一定的興趣，方便今后大家有機(jī)會(huì)時(shí)能更好地去研究和應(yīng)用知識(shí)圖譜體系。

知識(shí)圖譜是知識(shí)工程的一個(gè)分支，以知識(shí)工程中語(yǔ)義網(wǎng)絡(luò)作為理論基礎(chǔ)，并且結(jié)合了機(jī)器學(xué)習(xí)、自然語(yǔ)言處理和知識(shí)表示和推理的最新成果，在解決大數(shù)據(jù)中文本分析和圖像理解問題發(fā)揮重要作用。

知識(shí)圖譜的發(fā)展目前還處于初級(jí)階段，面臨眾多挑戰(zhàn)和難題，如：知識(shí)庫(kù)的構(gòu)建有效策略和自動(dòng)擴(kuò)展、大規(guī)模的異構(gòu)知識(shí)處理、推理規(guī)則學(xué)習(xí)、人機(jī)協(xié)作和人機(jī)邊界問題、跨語(yǔ)言檢索等等。

此外，知識(shí)圖譜建立以后，對(duì)其運(yùn)行后的管理、運(yùn)維、人工監(jiān)督等方面，也非常重要，應(yīng)當(dāng)盡量避免在知識(shí)圖譜運(yùn)維中因?yàn)樾轮R(shí)的錯(cuò)誤發(fā)布對(duì)現(xiàn)有業(yè)務(wù)的影響，并將經(jīng)過嚴(yán)格測(cè)試驗(yàn)證的知識(shí)圖譜版本正式生效上線，最終保證知識(shí)圖譜全生命周期各環(huán)節(jié)的數(shù)據(jù)質(zhì)量。同時(shí)，通過知識(shí)圖譜應(yīng)用的使用記錄及問題反饋帶動(dòng)知識(shí)圖譜的運(yùn)維優(yōu)化，形成閉環(huán)全周期的多知識(shí)圖譜間的運(yùn)維管控。因此知識(shí)圖譜的“數(shù)據(jù)生態(tài)”與“技術(shù)生態(tài)”，是需要不斷地抽象總結(jié)再演繹細(xì)化的過程。

當(dāng)前，知識(shí)圖譜的地位越來越重要，可以說凡是有知識(shí)和關(guān)系的領(lǐng)域都可以用到知識(shí)圖譜。事實(shí)上，知識(shí)圖譜也已經(jīng)成功俘獲了大量客戶，而且應(yīng)用領(lǐng)域和客戶數(shù)量還在不斷增長(zhǎng)中，感興趣的讀者朋友可以一直關(guān)注和持續(xù)學(xué)習(xí)。