A Comparative Survey of DBpedia, Freebase, OpenCyc, Wikidata, and YAGO ，这是一篇2015年的文章，对集中开放大规模知识库进行了比较，包含DBpedia/Freebase/OpenCyc/Wikidata/YAGO3。这篇博客主要对文中的图表截取分析，详细可看原文。

在了解知识库的人群中，一部分是想要选择一个合适的知识库来训练自己的模型，一部分是对知识库做相关研究，如果只是选择合适的知识库的话，我个人觉得看论文中的对比图即可。以下是论文中的8张对比图图名：

1. Table1: Comparison of the KGs regarding their general information
2. Table2: Comparison of the KGs regarding format and representation
3. Table3: Comparison of the KGs regarding genesis and usage
4. Table4: Comparison of the KGs regarding entities
5. Table5: Comparison of the KGs regarding relations
6. Table6: Comparison of the KGs regarding the schema
7. Table7: Comparison of the KGs regarding their particularities
8. Table8: Decision matrix for KG selection

很容易能够看出，作者对这几个知识库的通用信息、格式和表达、起源与应用、知识库中的实体、知识库中的关系、知识库模式、知识库自身特点做了对比，最后给出了一个选择知识库时的参考表格，也就是最后的decision matrix。对于选择合适知识库，这些就够了。下面我将decision matrix放在第一张，如果对其他信息有需要，可以相应查看后面几张图。注意，这是2015年的文章，经过这么久，各个知识库肯定都有更新，所以需要辩证的看。

从v1.0开始， DBpedia Spotlight在相同的API下分为两个版本，如下所示： DBpedia -Spotlight-Model：在描述-回购： : DBpedia -Spotlight-Lucene：在《 描述-回购：-https: 不再处于活跃开发中** 我们将使该存储库仅用于历史参考。 每个打开的问题都应关闭并在各自的存储库中重新打开。 这一重要的动作是我们发现提供更快的修补程序和新版本的方式，为每种注释方法提供了解决方案。 我们的第一个成就与许可有关。 DBpedia Spotlight Model现在完全符合Apache 2.0。 这意味着您可以不受任何商业限制地使用它。 我们如此激动，因为还有更多的好消息要来。 如果您需要更多信息，请随时通过与我们联系。 我们很高兴能与您一起参加进一步的社区会议并发布新的 DBpedia 版本。 在文档网络上大放异彩 DBpedia Spotligh 在本地运行或在开发中运行时，请将以下配置作为属性文件包含在src/main/resources文件夹中。 如果您没有正确的CouchDB实例或API密钥，请使用以下。 请注意，使用虚拟配置文件可能会导致某些功能不可用，因为它们可能需要必需的API服务。 admin.username = <admin> admin.password = <admin> chatbot.baseUrl = <https> chatbot.gaID = <google> chatbot.fb.appSecret = <secret> chatbot.fb.verifyToken = <token> chatb 这项工作是的Alpha版本。 主要目标是验证试图解决文档中提到的6（六）点的体系结构。 目前，此代码不应在生产环境中使用。 您可以参与提供建议，请求功能，测试，编写文档或编码。 只需与我们联系！ 祝一切顺利， 什么是 DBpedia Spotlight？ DBpedia Spotlight是一种用于自动注释文本中提到的 DBpedia 资源的工具，它提供了一种通过 DBpedia 将非结构化信息源链接到Linked Open Data云的解决方案。 什么是 DBpedia Spotlight SOLR？ DBpedia Spotlight SOLR是 DBpedia Spotlight Lucene的技术版本更新。 这个仓库只是一个用我们的Lucene数据加载Apache Solr的工具。 lucene的数据在哪里？ 我们使用原始代码（经过一些改进）创建了库，以继续提供由发布的方法 文章目录前言 Wikidata YAGO ConceptNet DBpedia 今天介绍的一些知识图谱大多都是半自动构造的，并不一直都是人来添加的，另外，说他们是知识图谱或许都不太恰当，他们更像是一个项目，是一条龙服务，不但存储了很多知识，还支持着非常复杂的查询，甚至支持问答系统，而这你直接百度有可能搜索不到结果，因为搜索引擎做的是匹配工作，而问答系统会推理。 下面就开始介绍一些 常见 的大型知识图谱。 Wikidata https://www. wikidata .org/wiki/ Wikidata :Main_Pa 人工智能artificial intelligence，AI是科技研究中最热门的方向之一。像 IBM、谷歌、微软、Facebook 和亚马逊等公司都在研发上投入大量的资金、或者收购那些在机器学习、神经网络、自然语言和图像处理等领域取得了进展的初创公司。考虑到人们对此感兴趣的程度，我们将不会惊讶于斯坦福的专家在人工智能报告中得出的结论：“越来越强大的人工智能应用，可能会对我们的社会和经济产生深远的积 【论文翻译】CN- DBpedia : A Never-Ending Chinese Knowledge Extraction System摘要1 引言2 系统架构3 降低人力成本3.1 跨语言的实体类型3.2 信息框补全4 知识库 更新 为了通过线上的百科网站构建 知识库 ，已经有无数人付出了巨大的努力。这些 知识库 对机器理解文本信息发挥着至关重要的作用。然而，大多数非英文 知识库 ，尤其是中文 知识库 ，仍... DBpedia 是一个很特殊的语义网应用范例，它从维基百科(Wikipedia)的词条里撷取出结构化的资料，以强化维基百科的搜寻功能，并将其他资料集连结至维基百科。透过这样的语义化技术的介入，让维基百科的庞杂资讯有了许多创新而有趣的应用，例如手机版本、地图整合、多面向搜寻、关系查询、文件分类与标注等等。 DBpedia 同时也是世界上最大的多领域知识本体之一，也是 Linked Data 的一... DBpedia 是一个社区努力从维基百科中提取结构化信息，并使这些信息在网络上可用。 DBpedia 允许您对来自维基百科的数据集提出复杂的查询，并将网络上的其他数据集链接到维基百科数据。我们描述了 DBpedia 数据集的提取，以及产生的信息如何在网络上发布，供人类和机器消费。我们描述了来自 DBpedia 社区的一些新兴应用，并展示了网站作者如何在他们的网站内促进 DBpedia 内容的发展。最后，我们介绍了 DBpedia 与网络上其他开放数据集互联的现状，并概述了 DBpedia 如何可以作为新兴开放数据网络的核心。 CycL语法主要由以下几个部分构成：常量（Constants）常量用来表示特定的个体和集合，CycL常量都由#$（读hash-dollar）为前缀。CycL用常量来表示个体、集合、关系和属性值。公式（Formulas）公式用来描述参数间的关系，由圆括弧包围。例如：(#$isa #$GeorgeWBush #$Person)(#$likesAsFriend #$GeorgeW