目录
1 本体（Ontology）
本体( Ontology ) :领域共享知识的描述方式,是语义 Web、语义搜索、知识工程和很多人工智能应用的基础。
1.1 本体工程
知识图谱中需要一个本体来形式化描述和界定它所描述的知识和事实的范围。
本体工程是用工程化规范保证本体质量的方法学。
1.2 知识图谱本体VS数据库模式
1.3 本体学习（手动）
就是字面意思，，机器学习应该是计算机重点关注的部分
1.4 本体学习（自动）
1.4.1 方法一：基于规则的本体学习
人工写模版规则抽取本体
优点:利用专家知识写抽取模版
缺点:规则不足、规则冲突、不好扩展
1.4.2 方法二：基于机器学习的本体学习
将本体学习转化为机器学习中的分类或序列标注问题;
选取特征和学习模型，进行训练，学习得到本体
优点:效率高，自动化
缺点:学习模型通用性和学习效果存在矛盾
1.5 研究路线
1.6 基于最大熵的迁移学习模型
1.6.1 模型核心思想
参数估计Wg
参数估计p
目标领域的知识Wd
2 知识建模
2.1 建模工具-Protege
2.2.1推理：
已知:
1.裴文德和裴休是人物的实例
2.裴文德的父亲是裴休
3.父亲的domain是人物，
range是男人
推理:
1.裴休是男人
3 领域知识建模的工业实践
- Step1:知识背景
- Step2: 知识重用.
- Step3: 本体设计
- Step4: 领域专家优化
- Step5: 本体实现
4 知识图谱中的知识建模总结
知识图谱中的包含本体层和实例层，本体通常手工构建，实例通常自动化抽取构建
本体的目的是为了确定知识图谱能描述的知识
- 不一定需要本体的形式化表示
- 不一定需要Protege等专业的建模软件
- 不一定要把本体存储在数据库，可以在程序中直接使用
本体是给知识图谱实施者使用，通过它来确定知识抽取的范围、推理规则、构造查询等