知识图谱又称为科学知识图谱，在图书情报界称为知识域可视化，或知识领域映射地图，用来显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及载体，挖掘、分析、构建、绘制和显示知识及他们互相之间的关系。尽管人工智能依靠机器学习和深度学习取得了快速进展，但这些都是弱人工智能，对于机器的训练，需要人类的监督以及大量的数据来喂养，更有甚者需要人手动对数据进行标记，对于强人工智能而言，这是不可取的。要实现真正的类人智能，机器需要掌握大量的常识性知识，以人的思维模式和知识结构来进行语言理解、视觉场景解析和决策分析。

以下49份知识图谱行业报告是本人在学习中收集整理，分享出来，以飨大家。 注-：如有内容涉及您的权益，请联系我，立即删除。

从无到有搭建一个以疾病为中心的一定规模医药领域知识图谱，以该知识图谱完成自动问答与分析服务。该项目立足医药领域，以垂直型医药网站为数据来源，以疾病为核心，构建起一个包含7类规模为4.4万的知识实体，11类规模约30万实体关系的知识图谱。

1、知识图谱所说的关系是底层存储时以关系的形式存储，还是上层以关系的形式展示/应用，到底什么样的图产品可以称之为知识图谱？ 2、知识图谱的Schema如何设计，设计要点在哪，以及流程是什么样的？

“知识图谱”的技术实现流程与产品落地方向梳理。

集智学园采用知识图谱的方式对原官网进行了一次升级，官方介绍：使用一种全新的高维方式来展示网站课程。之前看过明略的官网，动画效果与之类似，不知道此官网是不是从明略官网得到的灵感，并进行了升级。

推荐系统火热，是互联网、大数据、人工智能发展的必然趋势。其可应用于各个细分领域。如：新闻微博、电商、外卖团购、视频音乐、搜索查询、社交人脉、证券股票等等。本文将重点关注推荐系统与知识图谱的结合。

最近，由于某些原因，特别关注了医疗知识图谱方面的发展&应用情况，有了些浅薄认识，故码此文，以供参考。

知识图谱因其自身的图展示、图挖掘、图模型计算优势，可帮助金融从业人员进行业务场景的分析与决策，有利于建立客户画像、进行精准营销获客，发现信用卡套现、资金挪用等行为，更好的表达、分析金融业务场景的交易全貌，从而成为行业的宠儿。

与其说知识图谱的规模从根本上决定了智能的瓶颈，不如说是数据量的积累和数据的处理能力决定了智能的发展。

从国家战略以及省市区规划报告层面，事关国计民生的医疗行业，一直是AI发展所关注的重点。目前，中国医疗资源结构性失衡，三甲医院专家云集、人满为患，基层医院专家难寻、门可罗雀；并且常年来，约占医院总数8%的三级医院，承担了约40%的诊疗和住院患者的重任。社会老龄化加速，医疗资源有限，发展医疗AI势不可挡。

知识图谱在教育领域的应用场景

领会知识图谱本体创建方法论

知识图谱有哪些应用场景仅限于搜索、问答和推荐？

最近一年对JanusGraph接触较多，故经常使用Gremlin图遍历语言，对其常见语法做简要整理，备忘。