河北省铝单板厂家联系电话查询（知识图谱入门课程）知识图谱入门书籍推荐，

（好像说的不只是入门了算是个成长打怪小提纲吧） 任何一个学科，重要的不是静态的知识本身，而是建立知其然（Framework），知其所以然（Rationale），最后到知未然（Insights）最重要的便是产生。

insights，因拥有洞察而知关键所在，所以能预测未来的走向，不人云亦云 知识图谱作为一门学问，绝不是用个图数据库写几条查询，或者用规则写一个表格的提取，就可以称为成功的运用的和所有的学科一样，都需要长期的艰苦的努力，在充分了解前人成果的基础上，才有可能做出一点点成绩。

知识图谱作为人工智能（AI）的一个分支，和AI的其他分支一样，它的成功运用，都是需要知道它的所长，更需要知道它的所短的特别是AI各个学派林立，经验主义（机器学习）、连接主义（神经网络）、理性主义（知识工程）、行为主义（机器人）各个方法的优劣，倘若不能有纵览的理解，也难以做正确的技术选型，往往盲目相信或者排斥一种技术。

AI是一个极端需要广阔视野的学科 知识图谱涉及知识提取、表达、存储、检索一系列技术，即使想有小成，也需要几年的功夫探索如下所列，应该是每个知识图谱从业者都应该了解的一些基本功： 知道Web的发展史，了解为什么互联和开放是知识结构形成最关键的一件事。

（我把这个列第一条，是我的偏见——但我认为这是最重要的一个insights） 知道RDF，OWL，SPARQL这些W3C技术堆栈，知道它们的长处和局限会使用RDF数据库和推理机 了解一点描述逻辑基础，知道描述逻辑和一阶逻辑的关系。

知道模型论，不然完全没法理解RDF和OWL 了解图灵机和基本的算法复杂性知道什么是决策问题、可判定性、完备性和一致性、P、NP、NExpTime 最好再知道一点逻辑程序（Logic Programming），涉猎一点答集程序（Answer Set Programming），知道LP和ASP的一些小工具。

这些东西是规则引擎的核心如果不满足于正则表达式和if-then-else，最好学一点这些 哦，当然要精通正则表达式熟悉regex的各种工具 从正则文法到自动机不理解自动机很多高效的模式提取算法都理解不了。

熟悉常见的知识库，不必事事重新造轮子，如Freebase, Wikidata, Yago, DBPedia 熟悉结构化数据建模的基本方法，如ER，面向对象，UML，脑图 学会使用一些本体编辑器，如Protege。

（Palantir就是个价值120亿美元的本体编辑器） 熟悉任何一种关系数据库会使用存储过程写递归查询明白什么叫物化视图、传递闭包、推理闭包 熟悉任何一种图数据库明白图的局部索引和关系的全局索引的理论和实践性能差异。

熟悉词法分析的基本工具，如分词、词性标注 熟悉句法分析的基本工具，如成分分析、依存文法分析、深层文法分析 熟悉TFIDF、主题模型和分布式表示的基本概念和工具知道怎么计算两个词的相似度、词和句子的关联度。

知道怎么做命名实体识别知道一些常用的词表知道怎么用规则做关系提取 为了上述的深化，要掌握一些机器学习的基本概念，识别、分类、聚类、预测、回归掌握一些机器学习工具包的使用 谨慎地使用一些深度学习方法，最好在是了解了神经网络的局限之后，先玩玩BP。

主要是用用LSTM 了解前人已经建好的各种Lexical数据库，如Wordnet, framenet, BabelNet, PropBank熟悉一些常用的Corpus 知道信息检索的基本原理知道各种结构的索引的代价。

掌握Lucene或者Solr/Elasticsearch的使用 学会混合使用多种数据库，把结构化数据和非结构化数据放在一起使用体会数据建模和查询的成本 学会一些概念原型工具，如Axure和Semantic Mediawiki。

快速做MVP 以上是挂一漏万的一些罗列知识图谱是交叉性的、实践性的学问，当然不必先蒙头学几年才能来做事How to get to Carnegie Hall? Practice, Practice, Practice.。

所以Just practice。最后推销一下我在中国中文信息学会《前沿技术讲习班》第三期做的讲座：精益知识图谱方法论 - 文因互联