序一

《知識圖譜：認知智能理論與實戰》一書深入淺出地介紹了知識圖譜的知識，并且指出“知識圖譜是人工智能發展的階梯”。人工智能的目的在于處理知識，有知識圖譜這種形式化的知識表示方式作為階梯，人工智能當然會取得蒸蒸日上的進步。我同意王文廣的這個觀點。

早在1956年于美國的達特茅斯學院召開的達特茅斯會議上，學者們就提出了“人工智能”的設想，此后人工智能迅速地發展起來。自然語言處理是人工智能的重要研究領域，在自然語言處理的研究中，學者們開始構建自動推理模型對問題進行求解，提出了語義網絡、框架、腳本等一系列知識描述的理論和方法。

Sowa等人在1983年提出了“概念網絡”，對知識進行描述。根據符號主義的原則，學者們將實體之間的關系局限于“擁有、導致、屬于”等特殊的基本關系，并定義了一些在圖譜上推理的規則，希望通過邏輯推理的方式實現人工智能。

在這些知識描述理論和方法的基礎上，領域專家開始使用人工的方式編寫實例數據，建立知識庫，這些研究在一些受限的領域獲得成功。學者們開始關注知識資源的研究。

互聯網出現之后，人們在與自然和社會的交互中創造了大規模的數據，人類社會進入了大數據時代，這些大數據以文字、圖片、音頻、視頻等不同的模態存在。怎樣讓計算機自動識別、閱讀、分析、理解這些龐雜而海量的大數據，從中挖掘出有價值的信息，為用戶提供精準的信息服務，成為下一代信息服務的核心目標之一。

2001年，Tim Berners Lee提出了語義網的概念，定義了一種描述客觀世界的概念化規范，通過一套統一的元數據，對互聯網的內容進行詳細的語義標注，從而給互聯網賦予語義，把網頁互聯的萬維網（WWW）轉化為內容互聯的語義網。在語義網思想的影響下，億萬網民協同構建了“維基百科”（Wikipedia），促進了知識資源的迅速增長，使知識類型、覆蓋范圍和數據規模都達到了空前的水平。

1972年的文獻中就出現了“知識圖譜”（Knowledge Graph）這個術語。2012年5月，谷歌公司明確提出了知識圖譜的概念并構建了一個大規模的知識圖譜，開啟了知識圖譜研究之先河。從此，知識圖譜便在自然語言處理的研究中普及開來，成為自然語言處理研究的一個重要內容。

知識圖譜用節點（Vertex）表示語義符號，用邊（Edge）表示符號與符號之間的語義關系，因而構成了一種通用的語義知識形式化描述框架。在計算機中，節點和邊等符號都可以通過“符號具化”（Symbol Grounding）的方式表征物理世界和認知世界中的對象，并作為不同個體對認知世界中信息和知識進行描述和交換的橋梁。知識圖譜使用統一形式的知識描述框架，便于知識的分享和學習，因而受到了自然語言處理研究者的普遍歡迎。

自谷歌構建知識圖譜，并在2012年發布了包含507億個實體的大規模知識圖譜以來，不少互聯網公司很快跟進，紛紛構建各自的知識圖譜。例如，微軟建立了Probase，百度建立了“知心”，搜狗建立了“知立方”。金融、醫療、司法、教育、出版等各個行業也紛紛建立起各自垂直領域的知識圖譜，大幅提高了這些行業的智能化水平。Amazon、eBay、IBM、LinkedIn、Uber等公司相繼發布了開發知識圖譜的公告。與此同時，學術界也開始研究構建知識圖譜的理論和方法，越來越多的關于知識圖譜主題的書籍和論文被出版和發表，其中包括新技術及有關知識圖譜的調查。知識圖譜得到了產業界和學術界的廣泛認可和關注。

知識圖譜技術的發展有著深厚的歷史淵源，它源于對人工智能中自然語言的語義知識表示的研究，并經歷了互聯網信息服務不斷深化需求的洗禮，現在已經發展成為互聯網知識服務的核心工具。

以語義網絡（Semantic Network）為代表的知識表示的相關理論研究，對互聯網智能化信息處理的應用實踐，以維基百科為代表的網絡協同構建知識資源的創舉，這些因素共同推動了知識圖譜的進一步發展。

目前，大規模的知識圖譜有DBpedia、YAGO、Freebase、Wikidata、NELL、Knowledge Vault等，它們用豐富的語義表示能力和靈活的結構來描述認知世界和物理世界中的信息和知識，是知識的有效載體。

《知識圖譜：認知智能理論與實戰》一書系統全面地介紹了知識圖譜的核心技術，既有宏觀整體的技術體系介紹，也深入關鍵技術和算法細節；既適合作為高等學校人工智能課程的參考資料，也可以作為產業界系統開發的指南。

馮志偉

中國中文信息學會會士

中國計算機學會 NLPCC杰出貢獻獎獲得者

2022年2月10日