知识图谱虽然是Google在2012年公布其开发的搜索引擎时提出的名词，但是知识图谱的雏形早在1960左右就已经出现，因此，知识图谱其实是很多相关技术继承发展的结果。并且，和知识图谱类似的还有好几个概念：专家系统、知识工程、数据库、传统知识库，很多朋友经常疑惑知识图谱和这几个概念之间具体有什么区别和联系。因此，泽宇对知识图谱和这几个概念之间进行了对比，方便大家理解知识图谱的意义。这些总结主要是通过查阅资料和个人理解，欢迎大家一起讨论。
从早期的人工智能发展历史来看，SemanticWeb是传统人工智能与Web融合发展的结果，是知识表示与推理在Web中的应用；知识图谱则可以看作是SemanticWeb的一种简化后的商业实现。
1 知识图谱和专家系统的区别
专家系统：
- 专家系统的基本想法是：专家是基于大脑中的知识来进行决策的，因此人工智能的核心应该是用计算机符号表示这些知识，并通过推理机模仿人脑对知识进行处理。
- 依据专家系统的观点，计算机系统应该由知识库和推理机两部分组成，而不是由函数等过程性代码组成。
知识图谱和专家系统的区别：知识图谱与传统专家系统时代的知识工程有着显著的不同。与传统专家系统时代主要依靠专家手工获取知识不同，现代知识图谱的显著特点是规模巨大，无法单一依靠人工和专家构建。
2 知识图谱和知识工程的区别
知识图谱是对传统专家系统的延续，可以说是新时代的知识工程的典型代表技术。知识图谱和知识工程最显著的区别在三个方面：
- 数据规模：知识工程数据规模有限，知识图谱数据规模通常极大。
- 知识表示方式：知识工程采用多种不同的知识表示方式，但都是面向推理而使用的表示方式，知识图谱采用RDF三元组、属性图和分布式表示来表示知识。
- 应用场景：知识工程注重推理，知识图谱注重检索，当然也能完成一定的推理任务，更重要的是知识图谱能够赋能智能搜索、智能问答、推荐系统、视觉推理、对话系统等各种不同应用。
3 知识图谱和传统知识库与关系数据库的对比
可以说，知识图谱、传统知识库和数据库各自尤其特点，它们之间的区别主要在语义层和数据层上包含信息的多少而产生一定的不同。
可以看到，知识图谱需要完成语义推理等任务，并且还需要提供丰富的实例数据来实现关联检索任务，因此，同时包含语义知识和丰富的实例数据。而关系型数据库主要完成数据检索任务，只含有丰富的数据，传统知识库主要为了实现推理任务，含有丰富的语义知识，也就是概念知识及其之间的关联关系，有时也含有少量的实例数据。这三者之间最主要的区别和联系在于：
- 知识图谱是在传统知识库的基础上发展而来的，但更注重其中的实例数据。
- 知识图谱无法替代数据库，大规模图谱处理需借助数据库技术。
- 知识图谱包含语义信息，可进行一定的推理，且形式更灵活，可扩展性更好。
往期精选：
年末巨制：知识图谱嵌入方法研究总结
速览EMNLP 2020上录取的知识图谱相关论文
介绍一些知识图谱的实际应用类项目
知识图谱最新权威综述论文解读：知识表示学习部分
手把手教你搭建一个中式菜谱知识图谱可视化系统
如果对文章感兴趣欢迎关注知乎专栏“人工智能遇上知识图谱“，也可以扫描下方二维码关注同名微信公众号“人工智能遇上知识图谱”，让我们一起学习并交流讨论人工智能与知识图谱技术。
