1.从抽象层面看，本体最抽象，其次是知识库，最后才是知识图谱。知识库：知识集合。本体：领域术语集合。举个例子，如果我们要做图书领域的知识库或者知识图谱，首先要对图书进行分类，这个分类就是本体，比如说，图书分为计算机类和电子类，计算机类有分为网络、人工智能；有了这个分类后，我们就可以把图书都分到每个类别，比如说《ZerotoOne》是一本进口原版书，然后这本书有各种属性－属性值，比如说书的作者是PeterThiel，这些数据就构成了一个图书知识图谱（前面讲的分类可以认为不是这个知识图谱的一部分），而这里分类和知识图谱一起可以看成是一个图书知识库。
你在用什么工具做知识库？
曾经用过不少知识管理工具，例如Evernote、OneNote、自建Wiki、针式PKM、有道云笔记，现在全迁移到了Notion。现在我的知识管理工作流也很简单，整个过程只用几个工具来完成，包括typora、Notion Web Clipper、Scapple、Things 3、Anki等。我们知道，知识管理的全流程包括收集、处理、复习、归档/抛弃四个步骤。
收集的数据源主要来自网页和书籍。在notion中建立一个page来做根目录，来自书籍的摘录用typora记录成markdown格式，来自网页的摘录直接用Notion Web Clipper收藏到这个page中。在处理步骤中，删除不必要的数据内容，重新整理来自书籍和网页的内容，提出自己的问题，按照逻辑关系将数据整理到一起，用Scapple画出彼此之间的逻辑关系图，用作每个page的索引和目录。
在复习过程中，用things 提醒每日、每周复习的内容，对于难以记忆的部分用Anki做成卡片，使用艾宾浩斯记忆曲线原理定期复习。在一段知识管理过程结束后，将使用过的资料打上“已完成”的标签，放到专门的存档project当中留作以后备查。无论是使用Notion还是其他工具，这个工作流都是一致的。唯一的区别只在于使用什么样的工具来尽可能提高效率罢了。
本体、知识库、知识图谱和知识图谱识别之间存在着什么关系？
本体：领域术语集合。知识库：知识集合。知识图谱：图状具有关联性的知识集合。知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成，就是把所有不同种类的信息连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。构建知识图谱的重点在于语义理解、知识表示、QA、智能对话和用户建模。
1.从抽象层面看，本体最抽象，其次是知识库，最后才是知识图谱。举个例子，如果我们要做图书领域的知识库或者知识图谱，首先要对图书进行分类，这个分类就是本体，比如说，图书分为计算机类和电子类，计算机类有分为网络、人工智能；有了这个分类后，我们就可以把图书都分到每个类别，比如说《Zero to One》是一本进口原版书，然后这本书有各种属性－属性值，比如说书的作者是Peter Thiel，这些数据就构成了一个图书知识图谱（前面讲的分类可以认为不是这个知识图谱的一部分），而这里分类和知识图谱一起可以看成是一个图书知识库。
