构建工业知识图谱平台到底有没有用？

工业制造发展迅速，各式各样的工业互联网平台脱颖而出，但在它们之中做工业知识图谱的少之又少，这到底是为什么呢？

知识图谱最早于2012年由谷歌公司正式提出，其初衷是为了改善搜索性能，提升用户搜索体验。目前对知识图谱没有统一的定义，普遍被接受的一种定义为:知识图谱本质上是一种语义网络，网络中的节点代表实体或者概念，边代表实体/概念之间的各种语义关系。一种更为宽泛的定义为:知识图谱使用图作为媒介来组织与利用大规模不同类型的数据，并表达明确的通用或领域知识。

从覆盖的领域来看，知识图谱可以分为通用知识图谱和行业知识图谱。行业知识图谱当前已经在金融证券、生物医疗、图书情报、电商、农业、政务、运营商和传媒等行业中得到了较多成功的应用。工业知识图谱也属于后者之一。

构建知识图谱平台有以下3种可能的方式:在现在的开源知识图谱平台上进行扩展;把行业知识图谱生命周期中每个环节对应的工具集成为完整的平台;从零开始构建。整体而言，第1种方法通常难以执行，因为这些开源的知识图谱平台从设计、可扩展性等方面均难以进行深度二次开发，而第3种方法则成本过高，因此，最佳实践方法应对行业知识图谱生命周期对应的工具进行综合利用，在此基础上进行满足上述需求的全流程全局设计，并且对缺乏工具的环节进行针对性开发，对需要改进的工具进行完善，从而整合形成完整实用的知识图谱平台。

目前做得比较好的平台屈指可数，其中包括忽米工业知识图谱，忽米工业知识图谱是工业知识的管理和应用服务平台。工业知识图谱面向工业现场、产业链进行构建。平台具备知识模型、知识下载、订阅、知识关联、智能搜索等功能。工业知识图谱底层部署支持公有云，私有云和非云化部署；在忽米拥有的大量工业应用场景中，会沉淀大量知识内容，包括对设备本体，故障图谱，案例图谱形成的知识库，以及对统一词语，语料库的模板资源库。

知识图谱是大数据时代知识工程的代表技术，是符号主义与连接主义相结合的产物，也是实现认知智能的基石。

部分源自：大规模企业级知识图谱实践综述