知识图谱问答系列文档（一）——思知机器人简介

思知机器人项目简介

思知项目开放了对话机器人、知识图谱、语义理解、自然语言处理工具。知识图谱融合了两千五百多万的实体，拥有亿级别的实体属性关系，机器人采用了基于知识图谱的语义感知与理解，致力于最强认知大脑。自然语言处理工具包的功能有：中文分词、词性标注、命名实体识别、关键词提取、文本摘要、新词发现、情感分析等。
开放的项目有：

	- 知识图谱
	- 对话机器人
	- 语义理解
	- 自然语言处理

知识图谱

ownthink提供了1.4亿条知识图谱数据，而且可以免费下载（点此下载）,ownthink知识图谱不仅可以获取歧义关系，还可以获取实体和属性值，因官方已有详细介绍，本文就不再详细说明（链接）除此之外，ownthink还提供了一个知识图谱可视化查询界面（点此试看），输入华东理工大学，返回如下界面：

知识图谱是将复杂的信息通过计算处理成能够结构化表示的知识，所表示的知识可以通过图形绘制而展现出来，为人们的学习提供有价值的参考，为信息的检索提供便利。目前知识图谱有许多开放的API接口，为知识图谱可视化提供了大大的便利，这里以思知API接口对知识图谱可视化进行简单示范（出自这里）。

首先，运行如下程序，获取程序运行的结果。

import os
import sys
import requests

def kg_view(entity):
	url = 'https://api.ownthink.com/kg/knowledge?entity=%s'%entity      # 知识图谱API
	sess = requests.get(url) # 请求
	text = sess.text # 获取返回的数据
	response = eval(text) # 转为字典类型
	knowledge = response['data']
	
	nodes = []
	for avp in knowledge['avp']:
		if avp[1] == knowledge['entity']:
			continue
		node = {
   'source': knowledge['entity'], 'target': avp[1], 'type': "resolved", 'rela':avp[0]}
		nodes.append(node)		
	for node in nodes:
		node = str(node)
		node = node.replace("'type'", 'type').replace("'source'", 'source').replace("'target'", 'target')
		print(node+',')
	
if __name__=='__main__':
	kg_view('图灵')

然后，将结果中的这些部分复制到index.html中，保存。