一个典型的知识图谱应用建设案例
EAWorld
1知识图谱的几种典型应用方式
基于知识图谱的应用可以分为几种典型的类型，这几种应用使用的场景各有不同，在使用技术上也各有侧重，我们希望能够根据不同类型，总结出一些通用的场景，指导应用建设：
1）知识推理类型就是通过已知的知识，推理出未知的知识，这在知识图谱应用的建设中，具备非常大的诱惑力，例如大型装备的故障诊断，当装备发生故障的时候，会接到很多的故障报警信息，利用知识推理可以快速定位故障的原因，提高故障定位的速度，减少对人的依赖；
2）知识呈现类是将各种实体关系进行处理，用一定的方式呈现出来，帮助使用者理解复杂的事物，找出规律或者答案。例如在公共安全领域用“数据对碰”的方式找出嫌疑人与案件之间的关联， Palantir、i2 等公司都有这种知识可视化呈现的工具；
3）知识问答类应用根据提问者语音或者文字的输入，找到相关的知识，完成与提问者之间的互动，通常语音客服、员工助手等应用都属于这一类型。一般来说问答类应用分为听清、听懂、能做三个部分，听清可以基于目前百度、腾讯、科大讯飞等组件完成。由于这些应用往往面向特定的专业领域， 听懂和会做就可以采用领域知识图谱技术，通过交互得到 5W1H （Why、What、When、Where、Who、How）几个方面信息，让计算机按提问者要求完成工作。
4）知识共享类应用主要解决在不同机构之间知识共享。很多机构之间，由于法律法规等原因，无法直接获取对方数据，只能在相互之间通过知识图谱进行沟通，例如某市大数据中心有税务数据，公安侦查需要税务数据，但是根据法律不能直接调用具体的税务数据进行侦查，除非对具体主体立案。这种情况下，公安部门可以提供主体的一些典型特征，大数据中心根据特征提供相关主体的列表，公安部门根据列表缩小范围，继续侦查，得到新特征，再调取列表。经过几次知识的碰撞，确定相关嫌疑人，再进行立案调查。
2基于相关矩阵的知识推理类应用：大型装备故障自动诊断
知识推理的方法比较多，如果看理论文献，有自上而下的演绎法，在给定一个或者多个前提的基础上，推断出一个必定成立的过程。也有自下而上的归纳法，基于已观察的结果，得出一个结论，归纳法又分成溯因推理和类比推理。不过这些太理论化了。
领域知识图谱应用中，最常见的推理就是基于规则的推理。在建设知识图谱的过程中，会产生很多规则，这些规则有可能依附于概念之间的关系，也可能是事件、处置的描述方式，用规则的方式来表述知识，是一种最常见的方式。规则包括条件规则、规则树、规则矩阵、规则流等多种方式，这里我们介绍一种以相关矩阵做为规则的实际应用情况。
前面提到，在大型装备出现故障时，往往接收到大量的故障信号，如何判定故障发生的具体原因，是一个比较复杂的问题，这里就是介绍解决这个问题的（写这个段落时，我比较犹豫，因为这里会涉及到具体的装备制造业务，最后还是咬咬牙写下来，毕竟知识图谱建设中，关键是业务的理解，实际上我们的方法也有助于快速的理解业务。当然，我会尽可能写的简单一些）。我们以某飞机舵控系统为例，简单化的方式我们把它分为电源、核心电路板、接口电路板、控制器、电机 5 个部分，每个部分的故障分别为断路、CPU损坏、接口线路断路、控制器烧毁、电机卡死 5 个故障，已有故障现象的知识为当电机转角异常时电机卡死，当电机转角异常、控制器输出信号异常时控制器烧毁，当电机转角异常、控制器输出异常、控制计算机输出异常时控制芯片损坏，当电机转角异常、控制器输出异常、控制计算机输出异常时接口线路断路，当电机转角异常、控制器输出异常、控制计算机输出异常、电源电压异常时电源断路，如下图所示：
1 2 3 下一页>
