知识图谱最早由Google提出,旨在提高搜索引擎命中率的一种算法。用户在页面输入搜索关键字,然后搜索引擎根据一定的规则,反馈给用户相关的信息。 这时我们可以从人工智能、知识的角度去分析用户搜索的输入输出关系 ,用户输入的是知识,主要是概念、实体、指标等陈述性知识, 输出的是信息或者是程序性知识。搜索引擎需要做的工作是在根据输入的知识,根据一定的规则,来产生输出信息和知识的过程。简单的做法就是在在搜索引擎内部,建立一个巨大的静态的知识库,然后根据用户输入的关键字,进行全文搜索,然后直接输出搜索结果。这样处理的情况是会给出大量对用户无用的知识,而且很可能会漏掉用户真正想要的信息或知识。在这么一个情况下,提出了知识图谱的概念。首先,建立一个完整的知识表示方案,包括知识分类以及知识之间的关联关系,并将原始信息按到知识表示方案整理成知识库,然后根据知识之间的关系,建立一套从一个知识集合得出关联知识集合的算法体系。

         基于上述认识,我们可以如此定义知识图谱:知识图谱是关于知识、数据、信息之间关系的科学。如何建立知识之间关系,以及根据知识之间的关系,从一个知识集合有机关联到相关知识集合,并对知识之间的关系给出可视化展示的总称。因此,知识图谱需要解决如何表示知识之间的关系,并且建立知识之间的关系;然后如何根据关系从一个知识集合推导到关联知识集合,并对知识之间的关系进行修正;最后,就是如何用可视化的方法来表示知识之间的关系。
     人工智能是关于知识的科学,如何解决知识如何表示、知识如何获取、知识如何应用。知识图谱是人工智能的一个分支,其本质是解决知识如何表示。机器学习是解决知识如何获取;

        彩虹智慧物联网云平台 是一个人工智能平台,已经内置了一套比较完整知识图谱的解决方案,具备知识的表示,并且依据知识分类,建立了知识之间的内在联系,解决了。当然,与搜索引擎等应用的比较,还缺少知识整理,解析信息与数据之间关系的解决方案。
 
        彩虹智慧物联网根据知识的分类,在不同的分类之间建立关系。 彩虹智慧物联网云平台将知识分为陈述性知识和程序性知识两个大类。 程序性知识与陈述性知识在概念、特征之间建立管理。即一个程序性知识可以应用到那些概念或那些特征。 彩虹智慧物联网将陈述性知识按到简单到复杂的顺序,进行了分类,分别是符号、度量、特征、命题和判断。  
  其中符号和度量为基础的知识,是整个知识大厦的技术基石,关于他们之间相符关系的解决方案正在研究中。特征是彩虹智慧物联网一个核心的知识分类,是构成其他高级知识分类的基石。彩虹智慧物联网在特征之间建立了上下级关系的关联管理。并且推出了一个子概念的表示和实现机制。
     
          概念:是人们对世界事物的分类。因此,概念本身就是一个树形关系。彩虹智慧物联网将概念分为时间、空间、物体三个顶级分类。概念是具备相同特征的世界事物的一个表征。

     命题(信息)也是彩虹智慧物联网里有枢纽作用的知识分类,是联系各种知识的中心。首先,彩虹智慧物联网是如此定义信息的:信息是多个概念实体在某个特征方面的度量。因此,从信息的定义出发,信息就关联到特征、度量、概念三个知识概念。同时,信息还实体、数据建立了关系。同时,信息也是后续判定、程序性知识的基石。

    判定:是对信息度量的一个分类。

     程序性知识分为推理性知识和行为性知识。其中推理性知识由分为演绎推理和归纳推理,其中演绎推理是对信息度量求值。即如何从数据或信息集合中推导出另一个信息的算法。归纳推理是从大量的信息中,推导出信息求值算法;而行为性知识是根据信息作出动作的规定。其中出发点也是信息。
知识分类