知识图谱的构建通常包括知识抽取、知识融合、质量控制等基本步骤。实体抽取和关系抽取是知识抽取的典型工作。在非结构化知识抽取中，实体抽取从文本中识别业务目标的实体，关系抽取获取两个实体之间的语义或者逻辑关系。

知识图谱的构建通常包括知识抽取、知识融合、质量控制等基本步骤实体抽取和关系抽取是知识抽取的典型工作在非结构化知识抽取中，实体抽取从文本中识别业务目标的实体，关系抽取获取两个实体之间的语义或者逻辑关系由于知识抽取来源多样，从不同来源得到的知识不尽相同，所以对知识融合提出了需求，包括实体对齐、属性融合、属性值规范化等。

当进行知识图谱构建时，还要对知识图谱进行质量控制，对缺漏、错误、陈旧的知识进行补全、纠错与更新下图是设备领域中设备知识图谱构建的流程示例比如开发人员经过对运维、检修等业务场景、业务数据的理解，建立了设备知识图谱的知识体系。

如前所述，知识体系的定义过程类似数据治理体系的元数据定义过程，即对数据库中的表名和表中的字段名进行确认，进而在知识体系的约束下为知识图谱填充数据知识图谱由（实体，属性，属性值）（实体，关系，实体）等三元组构成

，比如变电站、生产厂家可以被定义为实体，电站名称、投运日期可以被定义为设备属性。变电站、主变压器的直接物理连接、逻辑连接可以被定义为关系。

内容摘自《知识图谱与认知智能》

作者吴睿，为腾讯数据智能技术负责人，主导了多项腾讯云企业数据智能项目的落地，涉及营销、服务、生产、运维、企业经营管理等多个领域，开发了腾讯星图、腾讯云知识图谱、腾讯云图计算等多款产品。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186