各位看官请耐心的看完，后面会介绍工业知识图谱建设的几个主要内容。
自从进入了大数据时代，人们一直在说有了数据才有了智能，这句话说得一点也没错，但很多人可能理解为数据=智能。这就是为什么很多客户建设了大数据平台，有了大数据采集和治理的能力后，发现有数据也没什么用处！
此部分详见文章《没用的大数据平台》
于是产生了新时代的垃圾--数据垃圾，抛弃觉得可惜，全量保存又浪费资源。那么为什么我们还要全量去保存呢？就是由于我们深知智慧化发展的道路上是需要这些数据的，比如搞算法需要训练数据、搞决策需要分析数据。但我们真正需要的是这些数据里蕴含的价值，而不是数据本身。其中较为重要的价值，就是今天我们要谈论的--------数据中蕴含的知识。
可以说知识一直在数据中存在，我们人可以通过大量的阅读数据（比如：读书）来获取其中的知识。那知识是什么？就是知道了识别世间万物规律的方法。比如：
我们抽象知识的过程就是建立知识图谱的过程，只不过在软件层面我们的知识来源于数据。所以，我们需要建立一套可以在多个数据源中抽取知识的系统，然后按照一定的规则加入到知识图谱中，这个过程就是信息抽取。
信息抽取的来源就是数据源，目前主要是两个类别，就是结构化数据和非结构化数据。我们要抽象的知识，在数据层面的表示是两个事物的关系，比如：A是B的父亲，B是C的父亲，那么知识点来了，A是C的爷爷，这些都是从关系中提取的知识。有了关系就有了数学层面的知识。于是从数据中抽取关系是知识图谱建设的第一步。
结构化的数据在存储前已经进行了梳理，所以直接查询处理就可以了，结构化数据如下：
| 姓名 | 生日 | 职业 | 出生地 |
| 阿尔伯特·爱因斯坦 | 1879年3月14日 | 现代物理学家 | 德国乌尔姆市 |
知识图谱表达如下：
这种知识提取和表达看上去还是比较简单，可是一旦关系层级较多，关系较为复杂，就会出现查询困难等问题，这个后面会介绍。
所以，在知识提取的阶段主要的难点在于非结构化的数据如何提取关系。举个例子，非结构化数据如下：
爱因斯坦出生于德国乌尔姆市的一个犹太人家庭（父母均为犹太人）。1900年毕业于瑞士苏黎世联邦理工学院，入瑞士国籍 [1-4] 。1905年，爱因斯坦获苏黎世大学物理学博士学位，并提出光子假设、成功解释了光电效应（因此获得1921年诺贝尔物理学奖） [1-4] ；同年创立狭义相对论，1915年创立广义相对论，1933年移居美国、在普林斯顿高等研究院任职，1940年加入美国国籍同时保留瑞士国籍 [1-4] 。1955年4月18日，爱因斯坦于美国新泽西州普林斯顿逝世，享年76岁 [1-4] 。 百度百科
知识图谱表达如下：
不难看出，想要从非结构化数据中提取关系或者知识，一定需要一系列的处理才能形成知识图谱。
那这一系列的处理包含什么内容呢，我们进一步介绍。
1：关键词库与标签化
首先我们要识别关系中的“实体”，相当于在上述的段落中找到关键词，如：爱因斯坦，并且知道这个关键词是个“姓名”。这就需要我们建立一个实体词列表，并为每个实体词打上标签。例如：【1904年：年份】【博士：学历】【广义相对论：著作】等等。在我们工业行业，关键词举例如下：“主机设备、电机、机床”等等。
2：关系抽取
关系抽取是把实体之间的关系抽取出来的一项技术，其中主要是根据文本中的一些关键词，如“创立”、“获得”、“加入”等。这些关键词也需要行业知识来进行创建。比如我们工业中常用的词汇：“下发、采集、驱动、增温增湿”等。
3：实体统一处理
对于一个实体我们的名词可能是不同的，比如：李工和老李可能指的是同一个人，空压机和空气压缩机是同一个设备等等。实体统一处理就是解决这个问题的一项技术。
4：指代归属
如：“控制工艺空调的回风温度主要可以对它的能耗进行控制。”这里的【它】指的是【工艺空调】这些指代类的词语，算法要能够准确的识别。
以上这四步是对数据进行关系提取的主要环节，当我们将实体与关系提取出来后，就涉及到知识图谱的存储问题，上面说了结构化数据一般都存储在关系型数据库中，但是很尴尬的是，关系型数据库不适合存储数据间的关系。于是图数据库应运而生，专门为存储数据间关系而存在，图数据库的特点如下：
关系和节点都可以附加属性
图的遍历效率极高
有完善的事物管理机制
适合工业场景
此部分详见文章《为什么需要用“图数据库”》
有了图数据库，我们存储数据间的关系，特别是复杂层级嵌套关系，有了方法。于是，知识图谱就有了栖身之所。
5：知识推理
我们存储下实体与实体的关系后，通过关系的推理，便可以获取到新的知识，这就是知识推理的过程。举例如下：
例子1：男人和女人是不存在关系的交集的，于是知识推理出，一个人不可能既是男人又同时是女人。
例子2：妈妈和女人是存在关系交集的，于是知识推理得出，妈妈一定是女人。所以，知识推理在知识图谱中是个非常重要的知识创新过程，可以由算法通过关系找到更多的知识点，这比人脑去学习更加快速、准确、和稳定。
以上内容也可以参考之前的文章《自然语言处理的技术难点与解决方案》
通过上面的介绍，我们在工业场景中建设知识图谱至少需要以下步骤：
第一步：构建工业行业词库，并为词库中的词进行标签化。
第二步：搭建图数据库，用于存储关系数据。
第三步：搭建支持自然语言算法的系统，识别和抽取数据并进行关系化。
第四步：搭建知识推理学习系统，用于自学习，创建新的知识。
第五步：构建知识图谱，将知识可视化出来用于分析和展示
当然，创建一个行业的知识图谱也并非只有这一个方法，我们也可以提供一个系统，由行业专家进行知识图谱的构建，由人去输入各种参数之间的关系，但这显然不是这个时代要谈论的话题。但笔者也认为，这两种是可以结合建设的，一些固定下来的知识或关系，由人去录入，更多数据中的知识由系统智能的去识别。这样配合起来建设效果可能会更好。
通过今天的介绍，是否对知识图谱有个基础的了解了呢！欢迎各位留言一起探索智能制造相关的技术。另外关于知识图谱建设后，最显著的应用场景是什么？或者知识图谱有什么用处？我们会单独写一篇文章跟大家探讨。
