先吐槽下自己，好不容易码了一大篇幅内容，因为手速太快，没发布成功，没存草稿，然后就退出了，想哭啊！
理了理情绪，决定再来一遍吧！
开门见山，如果你对知识图谱多少了解一点，多少感兴趣，多少用的到，那请阅读下去。
知识图谱的应用越来越广泛，金融业、电商、搜索、安全是用的最多的，或直接或间接为单位和个人创造了价值，提高了知识建设和服务的效能。但是很多人还不了解知识图谱，主要还是因为目前主流的知识图谱技术应用属性还不够强，没有“飞入寻常百姓家”。至少存在以下问题：
1.应用场景模糊
虽然不是新近才出现的技术，但很多人对其并不了解，也就想象不到具体的应用场景，很难将知识图谱与实际研究、设计和生产等工作联系起来。
2.投入成本高昂
当下业内采用的知识图谱技术基本都是高度依赖人工，人工定义本体库，人工做标注，人工做审核，人工定义知识等，一旦依赖人工，那么时间就很难把控，并且周期很长，此外，这种知识图谱技术对硬件配置要求也很高，比如需要GPU，高人工投入，高时间投入，高资金投入，说的具体一点，如果没有个几百万，没有个几十号人，没有个一年半载，就不要奢望构建个什么知识图谱了。
3.落地风险较高
落地性差，是从两个方面来讲的，一方面因为投入高，所以期望高，也就对落地效果要求高；另一方面，因为有大量的人工环节，周期漫长，就会有很多不确定因素，影响落地效果。这两方面共同增加了落地风险。
4.知识局限性强
还是因为依赖人工，具体来讲就是依赖人工的经验去定义知识（实体、概念、属性和关系），然后按照人工定义的知识规则从大数据中挖掘限定好的知识，实际上大数据中蕴含着我们未知的大量信息，这就导致了我们永远只能看到和用到我们已知的知识，其他的信息白白流失了。
目前为止，高度依赖人工的知识图谱技术应用面还比较窄，还属于是奢侈服务。要想解决上面的问题，要想实现大众化应用，让越来越多的单位和个人享受到知识图谱技术带来的便利，就需要有所突破。
这个突破是从两个维度来实现的，一个是认知维度，我们要给予知识图谱技术合理的预期，把它当做我们获取知识的助手，而不是取代人工。另一个是技术维度，要实现高度自动化、强落地性、低成本投入、广泛应用面，让知识图谱技术成为一项用的起、用的好、用的广的技术，这就是无监督知识图谱技术。
限于篇幅，这里我就不展开讲技术内容了，感兴趣，有合作的朋友，添加微信15801229785交流吧。

- 来自 水木社区APP v3.5.1
--
FROM 223.104.104.*