Knowledge Base、Semantic Web、Semantic Network、Linked Data、Knowledge Graph概念解析

先介绍一下基本的概念

Knowledge Base ：通常翻译为“知识库”。知识库是人工智能的经典概念之一。最早是作为专家系统（Expert System）的组成部分，用于知识推理。知识库中的知识有很多种不同的形式，例如本体知识、关联性知识、规则库，案例知识等。相比于知识库的概念，知识图谱更加侧重关联性知识的构建，如三元组。知识库是一个很泛的概念，其内容形式要比知识图谱广，可以将知识图谱看作是知识库的一个子集。

The Semantic Web:通常翻译为“语义网”或者“语义互联网”，是Web之父，Tim Berners Lee在1988年提出的。语义互联网的核心内涵是：Web不仅仅要通过超链接把文本网页面连接起来，还应该把事物链接起来，使得搜索引擎可以直接对事物进行搜索，不仅仅是对网页进行搜索。谷歌知识图谱是语义互联网这一理念的商业化实现，也可以把语义互联网看作是一个基于互联网共同构建的全球知识库。

Linked Data：通常翻译为“链接数据”。是Tim Berners Lee在2006年提出的，是为了强调语义互联网的目的是要建立数据之间的链接，而非仅仅是把结构化的数据发布到网上去。他为建立数据之间的链接制定了四个原则，从理念上讲，链接数据最接近于知识图谱的概念，但是很多商业知识图谱的具体实现并不一定完全遵循tim所提出的那四个原则。

Semantic Net/Semantic Network:通常翻译为“语义网络”或者“语义网”，这个翻译通常与Semantic web的翻译混淆，为了以示区别，这里采用“语义网络”的翻译。语义网络最早是1960年由认知科学家Allan M.Collins作为知识表示的一种方法提出。WordNet是最典型的的语义网络，相比起知识图谱，早期的语义网络更加侧重描述概念以及概念之间的关系，而知识图谱更加强调数据或事物之间的链接。

Ontology：通常翻译为本体，本体本身是一个哲学名词，在上个世纪80年代，人工智能研究人员将这一概念引入计算机领域、tom Gruber把本体定义为“概念和关系的形式化描述”。通俗点讲，本体相思雨数据库中的Schema,用来定义类和关系，以及类层次和关系层次等。OWL是最常用的本体描述语言，本体通常被用来为知识图谱定义Schema.

总结之我见

其实要区分每个概念，最好就是从每个概念的起源来区分，也就是说某个概念为什么被提出来，提出来主要的作用或者被提出时的背景是啥，根绝这些的不同就能很好地区分开了。

Semantic Network（语义网络）的侧重点是知识表示，可以认为是一种知识表示技术，其就是为了更好地表示知识而被提出来的一种知识表达模式。其用相互连接的节点和边来表示知识，节点表示对象、概念，边表示节点之间的关系。但是它的缺点是：节点和边的值没有标准，完全是由用户自己定义的，并且无法区分概念节点和对象节点。　而目前正火热的Knowledge Graph（知识图谱）中的一些知识表示技术就解决了这些问题，知识图谱是相对Semantic Network更大的一种概念，知识表示是构建知识图谱的一种关键技术。而Semantic Web（语义网或者语义互联网）是在Web(万维网)发展起来之后被提出的，它和链接数据的概念非常相似。其实，本质上，语义网络、链接数据还有web3.0都是同一个概念，只是在不同的时间节点和环境中，它们各自描述的角度不同，它们都是W3C制定的用于描述和关联万维网数据的一系列技术标准，即，语义网技术栈。语义网正是为了使得网络上的数据变得计算机机器可读而被提出的一种通用框架。“Semantic”就是用更丰富的方式来表达数据别后的含义，让机器能够理解据。“Web”则是希望这些数据相互联结，组成一个庞大的信息网络，正如互联网中相互链接的网页，只不过基本单位变为粒度更小的数据。链接数据起初是用于定义如何利用语义网技术在网上发布数据，其强调在不同的数据集间创建链接。Tim Berners Lee为建立数据之间的链接制定了四个原则。
　　链接数据应该是最近接知识图谱的一个概念，从某种角度说，知识图谱是对链接数据这个概念的进一步包装。链接数据和知识图谱最大的区别在于：

正如上面Open Linked Data Project所展示的，每一个圆圈代表一个独立存在和维护的知识图谱；链接数据更强调不同RDF数据集（知识图谱）的相互链接。
知识图谱不一定要链接到外部的知识图谱（和企业内部数据通常也不会公开一个道理），更强调有一个本体层来定义实体的类型和实体之间的关系。另外，知识图谱数据质量要求比较高且容易访问，能够提供面向终端用户的信息服务（查询、问答等等）。

发展时间轴

下面的时间轴会帮助你的理解，这里主要是从概念的发展背景来考虑。