知识图谱学习小组学习大纲
学习来自火线的知识图谱
本文的官方版本在 小组的Wiki上 https://github.com/memect/kg-beijing/wiki/知识图谱学习小组学习大纲
2016年6月3日
这个学习小组的目的，不是按教科书的定义去学习“知识图谱”，更不是做研究。我们更多是要去解决问题，而不是研究方法。传统的“知识图谱”（Knowledge Graph），“链接数据”（Linked Data），“语义网”（Semantic Web）,”知识提取”（Knowledge Extraction），等等技术，到底在实战中要解决的是什么问题？要解决这些问题是不是可以用相对简单的方法？能不能用廉价的方法尽可能快地解决有代表性的问题？这是这个学习小组的目的。
知识图谱是一种结构化数据的处理方法，它涉及知识的提取、表示、存储、检索等一系列技术。从渊源上讲，它是知识表示与推理、数据库、信息检索、自然语言处理等多种技术发展的融合。在短短的四周内，显然不可能涉猎所有上述领域。而且作为一个以自学为主的学习小组（而非集中强化的学习班），也不可能学习太深。所以学习小组更多只是提供一种思路，让大家觉得知识图谱并不神秘，不是大公司的专利，自己也可以做一点点小事，不必拘泥于特定的方法。
以应用为导向，尽可能降低工程的风险，就决定了我们非常关注成本，尽可能依赖成熟的技术。因此，在内容选择上，有人可能会觉得“这也配叫知识图谱”？但是过去十多年的实践中，我们已经看到太多的工程因为教条而失败。我们不应该盲目追求技术的先进性或者新颖性，而是应以业务为目标，用知识图谱的原则而非具体的教条去解决问题。
因此，在这四周里，我们是要通过一些具体的小问题的学习，来体会知识图谱的核心理念。我们会优先使用传统的成熟技术，并把它们和前沿（通常也是高风险、不成熟）技术比较，来比较这些理念不同的实践路径。同一个问题，同一个理念，可以根据实际情况有不同的实现。我们要掌握的，是这些理念，并在今后的实践中发现新的实现方法。
这四周的安排，就是依次接触知识图谱四个领域的一些核心理念。每周我们会安排线上的自学和一次线下的聚会。在线下聚会上，我们会解答大家的疑问，并邀请领域专家和大家分享该周话题上的工程实战经验。
具体大纲会在这里逐步更新： http://blog.memect.cn/?p=707
