人工智能领域里较为传统的一个分支就是知识表示与推理（把知识用符号逻辑表示）
知识图谱的构建（事实性知识和模式知识）
除此之外，问答、推荐和情感分析都是一些上层的领域。（就是从知识表达的角度来融合知识图谱和深度学习，提出新的深度学习模型）
问题是，在知识图谱的构建上面，花了大量的时间给数据做标注，结果深度学习的方法只比传统翻译模型提升了一到两个点、
知识图谱构建上还有很多技术：实体消岐、实体链接、关系推理
可以使用这些别人对我们知识图谱的使用后的反馈对我的知识图谱做各种修改和更新
知识图谱不像nlp只是构建出语法树，也就是说不仅要把这个句子解析出来，而且还需要知道句子中的每个词的含义是什么、词跟词之间的关系是什么、每个词有什么属性等等。我们要了解其中方方面面的信息
知识图谱不像深度学习：第一是缺工具，第二是缺数据
