GeoSceneKnowledgeSever时空知识图谱产品与解决方案王志强知识图谱KnowledgeGraph知识图谱是一种基于图的数据结构，由节点和边组成，每个节点表示一个“实体”，每条边为实体与实体之间的“关系”知识图谱本质上是一种大规模语义网络（SemanticNetwork），是结构化的语义知识库，用于迅速描述物理世界中的概念及其相互关系通过将数据粒度从文件级别降至数据级别，聚合大量的知识，从而实现知识的快速响应和推理适用行业及更多应用场景探讨•企业级知识图谱产品，基于图结构探索空间实体及实体间关系，提高决策制定速度。•通过地图、链接图表、直方图和实体属性表等多种视角进行可视化，挖掘隐藏知识。GeoSceneKnowledgeServer，助力打开认知大门3.1全新KnowledgeServer知识图谱产品在知识图谱技术体系中的角色地理知识融合地理知识建模GIS+知识图谱业务应用属性抽取关系抽取实体抽取共指解析实体消歧知识融合实体构建关系构建既有知识多视图可视化查询检索智能问答理解、推理、决策知识库图分析与空间分析知识图谱构建知识图谱业务系统建设地理知识提取知识图谱产品带来的核心价值之一：图数据库的优势•关系数据库处理密集join查询的性能会变差•图只遍历满足查询条件的部分，非整图遍历性能•图天生可扩展，可在已有结构上添加不同种类的新联系、新标签和新子图，不用担心已有查询和应用程序的功能灵活性•图数据库不需要模式•图数据库开发方式符合当今敏捷开发需求敏捷性以客户为中心的、事务型应用程序存储顾客订单的关系模式•某个顾客买了哪些商品•有哪些顾客买了A商品•有哪些买了A商品的顾客也买了B商品融合知识图谱的价值：图数据库具有天然优势查询效率—图数据库VS关系型数据库ArangoDBVSPostgreSQL•测试环境：-AzureVM（2CPU+16GBRAM）•测试数据集-PostgreSQL(ver12.1):-表1（4万条记录）-表2（6.2万条记录）-表3（11.9万条记录）•测试数据集-ArangoDB(ver3.5.3):-实体类别1（4万个，含子节点6.2万个）-实体类别2（11.9万个）•查询结果：1000条记录•PostgreSQL查询时长：481ms•ArangoDB查询时长：41ms参考文献：https://anchortagdev.com/relational-query-with-joins-performance-in-postgresql-vs-arangodb/性能对比——图数据库VS非关系型数据库ArangoDBVS主流NoSQL数据库•测试环境：-AWSi3.4xlarge（16核+122GBRAM）•测试数据库：-Neo4j3.3.1-MongoDB3.6.1-ArangoDB3.3.3-PostgreSQL10.1（表和json）-OrientDB2.2...
