数据库系统设计DatabaseSystemDesign电子技术与软件工程ElectronicTechnology&SoftwareEngineering202面对爆炸式增长的海量数据，抽取海量数据信息隐含的有效知识，并为人类或机器文本理解提供所抽取的知识逐渐成为当前重点研究内容。多源异质、结构松散是互联网中包含内容的基本特征，某种程度上加大了知识抽取、知识存储难度。机器学习、专家系统、数据整理与挖掘等先进技术手段出现与应用，为知识图谱进一步发展创建了十分有利条件。但由于国内知识图谱的应用研究相对较晚，仍有制约因素多、效率不高以及拓展性不足等问题亟需解决。1知识图谱研究现状分析于2012年由谷歌提出关于知识图谱的概念，其目的是进一步增强谷歌搜索引擎的综合能力，加快结果搜索的速度以及搜索结果准确性提升，给予用户更为优质的搜索体验服务。知识图谱本质上是对各种实体或概念及其关系进行描述，并在此基础上形成一张覆盖范围较广的语义图，其中实体或概念由节点进行表示，而节点的属性或构成关系则是由边表示。知识图谱在人工智能技术水平不断提高的支持下，不仅在学术界与工业界得到普及应用，同时对当前智能检索、大数据风险控制以及智能问答等领域的创新发展也起到了积极的促进作用。通过对现阶段知识图谱应用情况的调研与分析，其中在各领域中最具有影响力的知识图谱，主要涉及以下几种类型：（1）谷歌知识图谱Freebase是一个具有创作共享功能的网站，操作原理基本与Wikipedia类似，用户可以采取创意共用的形式添加所有内容[1]。（2）“YetAnotherGreatOntology”，简称“YAGO”，由德国MaxPlanck计算机科学研究所完成其系列知识图谱的创建，通过整合维基百科与WorldNet的大规模本体构建另一种大规模本体。现阶段“YAGO”所拥有的实体数量约为459万左右，并包含10种语言体系，充分满足完全下载数据集的需求。（3）微软Satori和Facebook的EntityGraph也是目前在相关领域中有着一定影响力的知识图谱，计算机可以在微软知识谱图的帮助下实现更好地运作，该类型知识图谱属于较大型的系统结构，需要以亿计的网页与多年积累的搜索日志承载知识图谱系统所包含的知识，可将常识性知识提供给相关计算机，便于更加准确地理解文本内容[2]。大数据时代到来，以及不断深入发展，自主研究与构建知识图谱逐渐成为国外诸多研究机构所聚焦的热点，从目前我国针对知识图谱的构建，由于起步较晚，具有规模化的知识图谱的互联网企业数量较少，主要包括以下几种：（1）百度的知识图谱...
