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：
123下一页>（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
