1.3 国内外典型科研知识图谱项目

知识图谱在语义检索、数据分析、自然语言处理、智能问答等方面体现出极大的应用价值，其发展过程经历了从早期知识库项目、大数据时代的知识图谱到垂直领域知识图谱等阶段。典型的通用知识图谱项目有：社区协作构建的大规模链接数据库Freebase（目前已关闭，数据和API服务均迁移至Wikidata），开源的多语种知识库Wikidata，多语言词典知识库BabelNet，集成Wikipedia、WordNet、GeoNames的链接数据库Yago，以概念层次体系（概念定义和概念之间的IsA关系）为中心的微软概念图（Microsoft Concept Graph），包含政府、生命科学、出版、社交媒体等8个领域的1301个数据集及16283个链接（更新至2020年5月）的关联开放数据云（The Linked Open Data Cloud, LOD Cloud）及面向中文域的开放知识图谱OpenKG等。相较而言，领域知识图谱知识结构更加复杂、对知识要求更高，面向知识来源更广泛的特定领域如金融证券、创投、电商、中医临床等，典型的领域知识图谱实践有医疗领域包含百亿级RDF三元组的Linked Life Data、类层次结构复杂的GeneOnto[23]等。随着知识图谱构建技术的发展及与领域知识特点的结合应用，其服务场景越来越多元化。

以科技文献资源为语料基础的学术领域，知识图谱通常用于支持数据发布、知识搜索、知识标引等形态的应用，也被称为关联数据，服务于专业技术人员或特定行业从业人员。学术界与知识图谱的结合由来已久，早在2013年欧盟、美国和澳大利亚政府就联合成立了国际研究数据联盟（Research Data Alliance），通过科研数据交换机（Research Data Switchboard）、科研图谱（Research Graph）关联出版物、研究数据、科研人员、资助项目。此后，相关研究实践不断推进，以图书情报领域为例，英国BBC定义涵盖音乐、野生动物、体育等实体类型的知识本体，并以此为基础将新闻信息转化为机器可读的RDF三元组图格式进行内容的管理和报道的自动生成[24]，上海图书馆以书目框架（Bibliographic Framework, BIBFRAME）为基础框架构建包含家谱、手稿、名人等资源的家谱关联数据。