接續前一天，今天要來介紹知識如何表達以及知識圖譜。

知識的表達

知識表達的定義

知識表達(Knowledge Representation,KR)主要是研究機器要用哪種格式與架構，來儲存與表達「知識的內容」及「知識與知識之間的關係」，以利於電腦程式將來能有效、快速的處理知識的搜索與推理的一種架構工具謂之。

簡單來說就是機器讓知道如何表達知識的意思。

知識表達的起因與重要性

在前一天所提到的法則學派，法則學派有分為兩種研究領域，一是昨天提到的知識推理，代表為專家系統。另一個則是現在所講的知識表達，其代表為知識本體論(Ontology)、語意網路(Semantic Network 與 Semantic Web)以及今天將會提到的知識圖譜。

知識表達學派學者認為，知識數量增加得太快，法則變得太多太複雜，如果對於欲了解的對象沒有一個基本的認識，則法則極可能會產生互相矛盾。因此為了有效處理知識推理，應該要對所要了解的物件擁有更多構造、屬性、關係的認知，才會產生更正確的依據。

知識圖譜

知識圖譜的基本概論

由GOOGLE在2012年以知識庫FreeBase為基礎提出了「KG」概念，主要用於搜尋引擎。KG指的是利用節點以邊來表示知識的關係，節點來表示概念或物件的內容，並用屬性、值來描述物件內容邊代表這些概念間的語言關係。簡單來說，知識圖譜類似於我們現在所認知的心智圖。

知識圖譜的主要建構步驟

1.讀入文章
將讀入的文章分割成一個一個的句子。
2.實體存取(Entitiy Extraction)
使用自然語言處理的技術，講句子區分為主要的主詞、動詞、副詞等等提取出來。
3.關係提取(Relationship Extraction)
將實體與實體之間的動詞提出。
4.利用三元組合(Triplet)建構知識圖譜
兩個物件中間用關係連結起來的檔案格式，參考下圖。

知識圖譜的優點

• 結構性
  知識圖譜對於資訊內容的描述及概念彼此間的關係，都有一定的結構，有助於知識的儲存以及釐清彼此之間的關係

• 連結性與成長性
  透過內部概念、節點與邊，不斷無限延伸，形成超大型知識庫

• 成本低
  由機器自動讀取及歸納，因此速度快也不需人力成本

• 自然語言表達
  使用自然語言方式來分析語句，架構相較其他叫容易了解

• 具推理性
  具備“本體推理“(Ontology-base Reasoning)，例如甲午戰爭締結馬關條約，割讓台灣、澎湖，就能推理出，台灣澎湖是因為甲午戰爭而被割讓的。知識圖譜越大，所能產生的知識量也越多。

知識圖譜的應用

1.搜尋引擎上的應用
解決同義字問題：例如搜尋第二次鴉片戰爭，可得知是指英法聯軍。
可直接回答問題：例如搜尋南北戰爭結束時間，會直接出現1865年4月9號。

2.支援QA聊天機器人
透過知識圖譜，可以衍生出許多話題與使用者聊天。

3.支援推理決策
更了解事件的人事時地物之間的關聯，能更深入了解事情面貌。例如醫療上利用病人的病例、使用藥物、診斷內容等等，能更詳細推薦許多治療方案。了解的越多便知道的越多。

參考資料
人工智慧-概念應用與管理 林東清著