大模型如何建立知识图谱

4.2.2 知识推理 Knowledge Inference 指从知识库中已有的实体关系数据出发，经过计算机推理，建立实体间的新关联，从而拓展和丰富知识网络。 4.2.3 质量评估 Quality Evaluation 对知识的可信度进行量化，通过舍弃置信度较低的知识，保障知识库的质量。

一般流程为：首先确定知识表示模型，然后根据数据来源选择不同的知识获取手段导入知识，接着综合利用知识推理、知识融合、知识挖掘等技术对构建的知识图谱进行质量提升，最后根据场景需求设计不同的知识访问与呈现方法，如语义搜索、问答交互、图谱可视化分析等。

那么需要一些方法对他们进行抽取。 然后搭建出本体库，比如说公司是一个机构，它是有这种上下流的关系的。 对于平级的也需要计算一个他们的相识度，比如比尔盖茨和乔布斯在实体层面，他们是比较相似的。 他们都属于人这个实体。 他们跟公司的差别还是挺大的，所以需要一个相似度的计算。

知识图谱中台的价值还在于灵活可扩充,建立实时敏捷、灵活可扩展、具有弹性的数据基础。 金融知识图谱直接反馈金融行业的刚性需求,由于实际中,企业数据和业务变化灵活,数据源、数据结构、数据内容随时会发生变动,对业务的理解以及对数据的解读也随之发生变化。