知识图谱构建的研究已走入下半场，但大规模落地应用仍需时间图谱构建研究实体推理数据

知识图谱是近年来人工智能技术蓬勃发展的核心驱动力之一，已广泛应用在金融、电商、医疗、政务等众多领域，经过短短几年的发展，热度依旧不减，未来，知识图谱又将解决哪些其他技术无法解决的问题呢？它又面临着哪些新的挑战？

知识图谱的发展脉络

基于认知图谱技术，北京智谱华章科技有限公司（以下简称：智谱·AI）还研发了支持知识推理的科技情报挖掘系统。团队将认知图谱技术作为知识图谱的补齐任务，针对由现实世界中的实体和关系组成的知识图谱，提出了CogKR框架，基于认知科学中的双过程理论，通过构建认知图来完成在已知头实体和关系类型情况下推理尾实体的任务。比起基于嵌入的方法，该方法多跳推理的能力更强，并且具有更好的可解释性。比起过去的基于路径的多跳推理方法，该方法能够利用更加复杂的子图结构进行推理，而不会局限在单条路径，因此有更好的准确性。

值得一提的是，唐杰教授的团队还从理论上证明已有的多种网络表示学习方法（DeepWalk、LINE等）都可以归一化到矩阵分解理论框架下，提出了网络表示学习的新思路。基于该理论，提出一种全新的基于矩阵分解的知识网络表示学习算法NetMF，在多个公开数据集上，算法明显优于已有方法。此外，智谱·AI也将该方法应用异构知识融合，利用链接相似度对跨语言知识图谱进行统一建模。

智谱·AI首席顾问兼战略规划院名誉院长张钹院士，曾经指出知识图谱与公司的未来发展的关系：公司要办好的前提首先是发展方向正确，要将知识驱动与模型驱动相结合，走第三代人工智能之路。其次，要找到知识真正的应用场景。知识就是力量，我们要做知识的生产者，知识图谱与知识库就是财富的转换源泉。因为智谱·AI是依托清华大学计算机系在知识图谱和智能计算方面的长期积累，是通过学校技术成果转化、在知识智能方向创立的第一家公司。张钹院士曾表示，在科技成果转化出来的公司中，最看重智谱·AI，也寄语智谱·AI：技术成果转化具有重要意义。但作为公司，还有很长的路要走，希望智谱·AI能够像在学校里面做研究一样专注把每件事做好，创造真正的价值。