说明
本章主要介绍了知识体系构建和知识融合两个任务，主要内容包括：
1、知识体系赋予知识图谱明确的语义信息。一般来说，知识体系主要包括三个方面的内容：对概念的分类，概念属性的描述以及概念之间关系的定义。本章介绍了两种知识体系的构建方法：人工定义构建和自动学习构建。
2、知识体系具有很高的抽象性和概括性，高质量的类别体系需要通过人工进行构建，构建的过程主要包括如下六个阶段：确定领域及目的、考虑复用、罗列要素、确定分类体系、定义属性及关系、定义约束。需要注意的是，上述几个阶段并非严格的线性关系，有时候需要退到更早的阶段。
3、知识体系也可以通过自动学习获得，根据学习的数据源不同，这类方法可以分为如下三类：基于非结构化数据的方法、基于结构化数据的方法和基于半结构化数据的方法，其中基于非结构化文本的方法是自动学习的知识体系的主要方法。
4、知识表示的异构性导致不同的知识图谱难以被联合使用，因此融合不同知识图谱称为解决知识集成和共享的核心问题。根据对齐的元素类型可以分为框架匹配和实体对齐。
什么是知识体系
知识图谱存储了结构化知识，其中的实体、属性、关系等数据具有明确的语义。例如，通过查询知识图谱可以知道姚明是一名运动员，他出生于上海，除此之外还可以获得他的性别、出生日期、身高等信息。实际上，知识图谱不仅包含了具体的示例知识数据，还包括了对知识数据的描述和定义，这部分对数据进行描述和定义的“元”数据被称为知识体系（Schema）或者本体（Ontology）。能够以一种统一的形式（三元组格式）表示实例型数据和描述型数据是知识图谱得意广泛应用的重要特点。另外，不同组织按照自身需要构建相应的知识图谱，但是，与互联网上的其他资源一样，不同知识图谱关注领域和侧面不同，如何对它们进行综合利用是一个重要问题。知识融合通过框架匹配和实例对齐，把分散的知识资源联合起来，可以极大地增加知识图谱的覆盖领域和共享程度，是知识构建的重要组成部分。本章首先介绍知识体系的构建方法和技术，然后介绍不同层次的知识融合方法。
思维导图
本章节的思维导图如下：
