【NLP】知识图谱简史：从1950到2019

地址：http://knowledgegraph.today/paper.html

作者 | Claudio Gutierrez 、 Juan F. Sequeda

编译 | Xiaowen

目录：

知识图谱可以被认为是实现计算机科学的早期愿景，即创建能够大规模集成知识和数据的智能系统。“知识图谱”一词在本世纪初被研究者引入，自2012年谷歌推广以来，在学术界和行业中迅速流行。必须注意的是，无论“知识图谱”一词的讨论和定义如何，都源于语义网络、数据库、知识表示和推理、nlp、机器学习等不同研究领域的科学进步。这些不同学科的思想和技术的融合为知识图谱的概念提供了丰富的内容，但同时也对实践者和研究人员提出了挑战，要求他们了解当前的进展是如何从早期技术发展而来的，并植根于早期技术。

这份文档，结合18th International Semantic Web Conference的教程，提供了基于知识、数据及其组合的计算机科学学科进步的知识图谱的根源的历史背景。需要注意的是，这份文档不是一个综述survey（不一定涵盖所有方面），也不对关于这一主题的论文和系统进行系统的方法（定性或定量）分析。

那么，这篇文章是什么呢？这是作者对这一学科历史观点的选择，以教学为重点。我们展示了一份学习地图，并提供指导方针，以浏览最相关的想法，理论和事件，从我们的角度发出信号，触及当前的发展。目标是帮助理解什么起作用，什么不起作用，并反映出它是如何激发下一个想法的。

为什么要写这篇文章？了解一个研究领域的历史背景至关重要，以便了解未来可能的途径。这是科学方法的DNA：为了站在巨人的肩膀上进行背景研究。当谈到语义网络研究领域，尤其是对于知识图谱的时候，我们注意到学生和初级研究者并不完全清楚思想、概念和技术的来源。我们认为这篇文章是克服这个弱点的一个小步骤。

完整全文，请参阅http://knowledgegraph.today/paper.html

The End

方便交流学习，备注：昵称-学校（公司）-方向，进入DL&NLP交流群。

方向有很多：机器学习、深度学习，python，情感分析、意见挖掘、句法分析、机器翻译、人机对话、知识图谱、语音识别等。

记得备注呦