1.知识图谱(Knowledge graph，KG)来源于谷歌下一代智能语义搜索引擎技术。其本质上基于语义网络的思想，是一种有向图结构的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系。

基于知识图谱的应用服务架构

　　2.知识图谱具有如下3 种特点：① 数据及知识的存储结构为有向图结构。有向图结构允许知识图谱有效地存储数据和知识之间的关联关系;② 具备高效的数据和知识检索能力。知识图谱可以通过图匹配算法，实现高效的数据和知识访问;③ 具备智能化的数据和知识推理能力。知识图谱可以自动化、智能化地从已有的知识中发现和推理多角度的隐含知识。

　　3.智能制造领域的知识图谱型知识库可以用于表达智能制造领域数据和知识的属性以及数据和知识之间的内在关联。

　　4.智能制造领域知识图谱与通用领域知识图谱在架构上基本相同，不同之处在于其还具有以下4 点特性：

      ① 存储智能制造领域数据与知识：其中存储了产品设计过程、工艺过程、加工过程等产品全生命周期的数据与知识;

      ② 面向智能制造领域应用场景和问题：以提高产品设计和生产过程的效率和质量为目标，处理产品全生命周期遇到的问题;

      ③ 可解释性及精度要求高：可解释性要求便于人类专家对其推理结果进行验证和理解，而其精度影响了企业各个制造任务的运作效率和质量;

      ④ 资源少且专属性强：难以从网上获取大量的数据及知识，主要根据制造企业的特点及企业自身积累的数据与知识，构建专属的知识图谱。

　　5.由于知识图谱具有强大的知识表示和推理能力，该技术在提出后迅速获得学术界和业界的广泛关注。当前智能制造领域知识图谱的相关研究主要集中在五大方面，分别是：智能制造领域知识的形式化表达方法、智能制造领域知识图谱的自动构建技术、智能制造领域知识推理技术、智能制造领域问答技术及智能制造领域个性化推荐技术。

参考文献：《知识图谱在智能制造领域的研究现状及其应用前景综述》