知识表示（knowledge representation）是指把知识客体中的知识因子与知识关联起来，便于人们识别和理解知识。知识表示是知识组织的前提和基础，任何知识组织方法都是要建立在知识表示的基础上。

知识的表示就是对知识的一种描述，或者说是对知识的一组约定，一种计算机可以接受的用于描述知识的数据结构。某种意义上讲，表示可视为数据结构及其处理机制的综合：表示= 数据结构+处理机制。

人工智能中知识表示方法注重知识的运用，知识表示方法可粗略地分为叙述式表示和过程式表示两大类。叙述式表示法把知识表示为一个静态的事实集合，并附有处理它们的一些通用程序，即叙述式表示描述事实性知识，给出客观事物所涉及的对象是什么。过程式表示法将知识用使用它的过程来表示。即过程式表示描述规则和控制结构知识，给出一些客观规律，告诉怎么做，一般可用一段计算机程序来描述。

我们用Trend analysis分析了知识表示领域的研究热点。（链接）

上图是当前该领域的热点技术趋势分析，通过Trend analysis分析挖掘可以发现当前该领域的热点研究话题有Computational Geometry、Computational Mathematics、Artificial Intelligence、Expert System、Multi Agent Systems、Description Logic、Natural Language、Knowledge Management、Knowledge Engineering等。

根据Trend analysis的分析结果我们发现，1959年-1983年期间知识表示的研究热度逐步上升且幅度较大，1983年之后研究热度趋于稳定。知识表示技术的变化，大致可以分为三个阶段：1）基于符号逻辑进行知识表示和推理，主要包括逻辑表示法（如一阶逻辑、描述逻辑）、产生式表示法和框架表示等。逻辑表示与人类的自然语言比较接近，是最早使用的一种知识表示方法；2）随着语义网概念的提出，万维网内容的知识表示技术逐渐兴起，包括基于标签的半结构置标语言XML、基于万维网资源语义元数据描述框架RDF和基于描述逻辑的本体描述语言OWL等，使得将机器理解和处理的语义信息表示在万维网上成为可能，当前在工业界大规模应用的多维基于RDF三元组的表示方法；3）随着自然语言处理领域词向量等嵌入（Embedding）技术手段的出现，采用连续向量方式来表示知识的研究（TransE 翻译模型、SME、SLM、NTN、MLP，以及 NAM 神经网络模型等）正在逐渐取代与上述以符号逻辑为基础知识表示方法相融合，成为现阶段知识表示的研究热点。

德国萨尔布吕肯Max-Planck信息学研究所研究主任Gerhard Weikum是该领域的代表学者， 他的研究涵盖知识获取表示、分布式信息系统、数据库性能优化与自主计算、信息检索与信息提取等方向，2006年前后侧重于知识库的研究，并在此方向做出了持续性探索。在获得欧洲科学院院士、德国科学与工程院院士、ACM会士等荣誉的同时，Gerhard Weikum还曾获得1998年SIGMOD会议、2006年CIKM会议、2010年CIKM会议、2018年WWW会议等顶级学术会议最佳论文奖、谷歌聚焦研究奖、Robert Piloty奖等奖项。

Gerhard Weikum参与创建的YAGO知识库主要集成了Wikipedia、WordNet和GeoNames三个来源的数据，拥有千万级实体知识，包含超过1.2亿条三元组知识，能够将WordNet的词汇定义与Wikipedia的分类体系进行了融合集成。YAGO还考虑了时间和空间知识，为很多知识条目增加了时间和空间维度的属性描述，具有更加丰富的实体分类体系，经过人工评估证实确认，准确度达到95%。

[关于转载]：本文为AMiner唯一官方微信公众号“学术头条”原创文章。转载仅限全文转载并保留文章标题及内容，不得删改、添加内容绕开原创保护，且文章开头必须注明：转自“SciTouTiao”微信公众号。谢谢您的合作。