iro*_*oli 1 semantic-web ontology neural-network linked-data
我开始深入研究“知识图谱”这个主题，我感觉这和“链接开放数据”是一样的。我有一些问题 1）如果是这样，为什么他们需要发明一个新概念。2）如果不是，有什么区别以及本体论与它有什么关系？3）这一切是如何与神经网络联系起来的？
我希望这些问题的答案能够澄清概念并指明方向。
因此，链接开放数据（LOD）运动通常指的是使用语义网络标准（即资源描述框架（RDF））发布开放数据的概念。这些数据集通常由多方（研究人员、公司、个人）发布，质量可能差异很大。尽管名称如此，但它们可能根本不需要链接，而 LOD 运动鼓励重复使用标识符并链接到预先存在的数据集，但这不是必需的，因此链接的质量和数量变化很大。请参阅链接的LOD 维基百科页面上的图表，了解哪些数据集链接到何处的概述。
从广义上讲，知识图 (KG) 是 LOD 的重塑，但在实践中往往存在一些差异。从业务角度来看，人们通常更容易证明内部 KG 项目比 LOD 项目要容易得多。提出 LOD 项目不可避免地会引发关于您是否放弃知识产权的问题。这导致了第一个区别，知识图谱通常不开放，它们是为特定组织或应用程序域构建的，并且通常保持专有性。其次，根据 KG，链接可能仅在该 KG 内部，也可能链接到其他地方的相关 LOD。
另一个主要区别是知识图谱不需要使用语义网络标准构建，使用标签属性图（LPG）构建知识图谱是完全可能的（而且很正常）。根据 KG 的用例，RDF与LPG数据模型的选择可能会自然地因其使用方式而不同。当然，如果用例不同，有些系统（例如Amazon Neptune）可以让您将两个世界结合起来。
本体只是数据模式的形式表示。 RDF对此有更正式的标准，例如RDFS和OWL，但本体大致相当于传统数据库术语中的模式。
任何 LOD 或 KG 项目都将涉及某种本体论或数据模式，因为如果没有它们，它们往往相当不可用，即如果您的数据没有某种结构，则很难在其上构建任何有用的东西。
神经网络是人工智能研究中的一个概念，与 LOD 和 KG 没有任何直接联系。
话虽这么说，LOD 或 KG 项目可以用作神经网络训练数据的一部分，但它看起来会非常特定于用例。