1.3 知识图谱现状

近些年我国在知识图谱的研究方面取得了长足的进展，出现了越来越多以知识图谱为核心技术的产品和服务，尤其在工业领域应用越来越广泛，引发了学术界、工业界足够多的重视。

1.3.1 学术界研究现状

由于知识图谱的构建过程大量运用了自然语言处理（Natural Language Processing, NLP）技术，知识图谱相关的研究一般会在NLP领域相关会议中发布。

在国际上，相关会议包括由国际计算语言学协会（The Association for Computational Linguistics, ACL）主办的ACL、EMNLP、NAACL以及国际计算语言学委员会（International Committee on Computational Linguistics, ICCL）主办的COLING等。

在国内，相关会议有全国知识图谱与语义计算大会（China Conference on Knowledge Graph and Semantic Computing, CCKS）及中国中文信息学会语言与知识计算专委会定期举办的全国年度学术会议，主要有中文知识图谱研讨会（Chinese Knowledge Graph Symposium, CKGS）和中国语义互联网与Web科学大会（Chinese Semantic Web and Web Science Conference, CSWS）。新的全国知识图谱与语义计算大会将致力于成为国内知识图谱、语义技术、链接数据等领域的核心会议，并聚集了知识表示、自然语言理解、智能问答、知识抽取、链接数据、图数据库、图挖掘、自动推理等相关技术领域的重要学者和研究人员。

1.3.2 工业界应用现状

伴随着自动知识抽取与加工技术的不断成熟，知识图谱在工业领域也获得了广泛应用，各大IT巨头相继推出以知识图谱为核心技术的产品和服务。如领英经济图谱、企业关系图谱等。当前的知识图谱大多采用自底向上的方式构建，具有强大的实际应用能力。

国外的知识图谱应用情况主要如下。

1）谷歌推出的Knowledge Vault知识库服务于智能搜索业务。

2）脸书推出社交图谱搜索工具Graph Search。

3）苹果推出的智能语音助手Siri提供了基于知识图谱的问答系统。

4）微软推出的Satori知识库服务于Bing Search业务。

国内的知识图谱应用情况主要如下。

1）腾讯基于QQ、微信以及大量App的各类海量数据构建了社交知识图谱，服务于搜索引擎、智能问答等业务。

2）阿里基于淘宝、天猫等数据库构建了电商知识图谱，服务于商品推荐系统。

3）百度基于搜索构建的知识图谱已经在众多产品线中广泛应用。

4）搜狗通过整合互联网上的碎片化语义信息，对用户的搜索进行逻辑推荐与计算，服务于知立方的智能搜索功能。

总之，从开始的谷歌搜索、百度搜索，到现在的个性化推荐、聊天机器人、金融决策等，诸多垂直领域的应用都与知识图谱密切相关。据艾瑞咨询估算，预计到2024年知识图谱市场规模将突破1000亿元。