转载自：SimmerChan 的 语义网络、语义网、链接数据和知识图谱
本文主要介绍知识图谱相近的几个概念，以便更好的区分这些概念。由于理论比较多，我自己看得也是一知半解，建议阅读作者原文。
一、语义网络
语义网络，Semantic Network，上世纪60年代提出的一种知识表示形式。语义网络由相互连接的节点和边组成，节点表示概念或实体，边表示节点之间的关系。如下图所示。
语义网络优点如下：
- 容易展示和理解
- 相关概念容易聚类
语义网络的缺点如下：
- 节点和边的值没有标准，完全自定义
- 多源数据融合比较困难，因为没有标准
- 无法区分概念节点和实体节点
- 无法对 schema 层进行定义
语义网络能够简单直白的表示语义和语义的关系，但由于缺乏标准，难以应用于实践。
二、语义网
语义网，Semantic Web，相对于语义网络，语义网侧重于描述资源和数据的关系。语义网是一个更官方的名称，也是该领域学者使用得最多的一个术语，同时，也用于指代其相关的技术标准。在万维网诞生之初，网络上的内容只是人类可读，而计算机无法理解和处理。比如，我们浏览一个网页，我们能够轻松理解网页上面的内容，而计算机只知道这是一个网页，网页里面有图片和链接，但是计算机并不知道图片是关于什么的，也不清楚链接指向的页面和当前页面有何关系。语义网正是为了使得网络上的数据变得机器可读而提出的一个通用框架。“Semantic”就是用更丰富的方式来表达数据背后的含义，让机器能够理解数据。“Web”则是希望这些数据相互链接，组成一个庞大的信息网络，正如互联网中相互链接的网页，只不过基本单位变为粒度更小的数据。
RDF 的提出解决了语义网络的问题1和2，对节点和边的取值做了约束，统一了标准，为多源数据的融合提供了便利。比如 RDF 对 is-a 关系进行了定义，不管在哪个语义网络中都用 rdf:type 表示 is-a 关系，所以上图中猫和熊与哺乳动物的关系可以形式化的表达为：
猫 rdf:type 哺乳动物 熊 rdf:type 哺乳动物
如何解决问题3呢？即如何区分概念(Class)和实体(Instance)呢？假设有两个语义网络 A 和 B，在 A 中，熊是哺乳动物的一个实体；在 B 中，熊是哺乳动物的一个子类；前者是 is-a 关系，后者是 subClassOf 关系。当建模角度不同时，上述情况经常发生，如果不能区分两者，会影响数据的融合。W3C 制定的另外两个标准 RDFS/OWL 解决了这个问题。通过 RDFS 和 OWL 中的预定义词汇，可以表示如下知识：
哺乳动物 rdf:type rdfs:Class ## 定义哺乳动物这个类 哺乳动物 rdf:type owl:Class ## 同上
熊 rdf:type rdfs:Class ## 定义熊这个类
熊 rdfs:subClassOf 哺乳动物 ## 熊是哺乳动物的子类 熊 rdf:type 哺乳动物 ## 熊是哺乳动物的实例
RDF、RDFS 和 OWL 属于语义网技术栈，它们的提出使语义网克服了语义网络的缺点。
三、知识图谱
知识图谱，knowledge graph，是由本体(Ontology)作为 schema 层，和 RDF 数据模型兼容的结构化数据集。以罗纳尔多知识图为例，用 IRI 唯一标示的节点都是某个类的实例，每条边表示一个关系。罗纳尔多是一个人，里约热内卢是一个地点，用 RDF 表示就是：
www.kg.com/person/1 rdf:type kg:Person. www.kg.com/place/10086 rdf:type kg:Place.
关系也称为属性，根据是实体与实体的关系还是实体与数据的关系分为对象属性和数据属性。罗纳尔多和里约热内卢的关系就是对象属性，罗纳尔多和全名的关系就是数据属性，用 RDF 表示如下：
www.kg.com/person/1 kg:hasBirthPlace www.kg.com/place/10086 www.kg.com/person/1 kg:fullName "Ronaldo Luís Nazário de Lima"^^xsd:string
四、链接数据
链接数据，Linked Data，起初是定义如何利用语义网技术在网上发布数据，强调在不同的数据集间创建链接。链接数据应该是最接近知识图谱的一个概念，知识图谱是对链接数据的进一步包装。举个链接数据的例子：开放链接数据项目。
链接数据和知识图谱相比，强调不同知识图谱的相互连接，侧重于知识图谱之间的链接关系。知识图谱不一定和外部知识图谱链接，更强调有一个本体层来定义实体的属性和实体之间的关系。
五、小结
本文介绍了和知识图谱相关的几个早期概念，以及他们之间的异同。