1樓：dreaming
知識圖譜的生命週期如下圖所示，涉及到的知識面非常廣，涵蓋語義網、自然語言處理、資料庫等領域。其各生命週期的使命不同，有些需要較強的機器學習基礎，有些生命週期則不需要。
接下來，我將展開講述一下。
知識體系構建主要是知識表示，比如RDF三元組（首都（中國，北京），國籍（姚明，中國）），這部分沒有涉及機器學習的知識。
知識獲取的主要是目標是：從海量的文字資料中通過資訊抽取的方式獲得知識。其4大基本任務為實體識別、實體消歧、關係抽取、事件抽取。
這4個基本任務都需要自然語言處理的基礎，自身也涉及到非常多的機器學習（深度學習）的方法，比如，
實體識別：CRF以及BiLSTM+CRF等方法；
實體消歧：基於聚類的實體消歧方法，基於實體鏈結的實體消歧方法（卷積神經網路模型（Francis-Landau et al., NAACL 2016），利用預訓練實體向量表示實體（Ganea and Hofmann, EMNLP 2017））；
關係抽取：基於特徵向量的方法（最大熵模型(Kambhatla 2004)和支援向量機(Zhao et al., 2005；Zhou et al.
, 2005; Jiang et al., 2007)），基於核函式的方法（淺層樹核（Zelenko et al., 2003)、依存樹核（Culotta et al.
, 2004)、最短依存樹核（Bunescu et al., 2005)、卷積樹核（Zhang et al., 2006；Zhou et al.
, 2007）），基於深度學習的方法（遞迴神經網路（ Socher et al., 2012)、基於矩陣空間的遞迴神經網路（ Socher et al., 2012)、卷積神經網路（Zeng et al.
, 2014））；
事件抽取：基於模式匹配的事件抽取方法，基於機器學習的事件抽取方法（基於特徵向量的方法Using Cross-Entity Inference to Improve Event Extraction ACL 2011，基於神經網路的方法DMCNN Event Extraction via Dynamic Multi-Pooling Convolutional Neural Networks ACL 2015 ）。
知識查詢與儲存，主要涉及資料庫的知識，比如SPARQL等，與機器學習關聯不多。
知識推理：按知識表示可分為符號推理和數值推理，其中基於分布式知識表示的推理是典型的數值推理方法，用到了神經網路，比如SME [Bordes et al., 2014], NTN [Socher et al.
, 2013]。
綜上所示，從知識圖譜全生命週期來看，用到了大量的機器學習（含深度學習）的知識，但如果只研究某生命週期，需要具體判斷。
2樓：
看題主定位。
高階的應用知識圖譜肯定是需要機器學習。：如知識獲取、embed ing，知識推理以及應用
入門或僅工程上使用：主要還是工程技能，資料清洗(正則式)，構建知識圖譜（RDF），圖資料庫（增刪改查）
知識圖譜是結構化的語義知識庫，是符號主義思想的代表方法，用於以符號形式描述物理世界中的概念及其相互關係。其通用的基本組成單位是RDF三元組(實體-關係-實體)，實體間通過關係相互聯結，構成網狀的知識結構。工程主要的技術架構如下
3樓：gwave
三元組等基礎知識不需要機器學習基礎，不過你會遇到各種Embedding等，類似NLP的word2vec，以及知識圖譜周邊的相關功能，比如資料準備等都可能大量使用都機器學習，沒有機器學習的知識圖譜說實話挺枯燥的，應該會渴望機器學習的
學習Python需要有C 的基礎嗎？
不知者也 不必要有C 的基礎。根據你學習Python目的不同，你需要的基礎不同。如果你需要從事資料分析的工作，你需要資料結構方面的知識。如果你需要在資料分析更高一層的資料科學相關工作，除了資料結構你還應該補充演算法和一些模型的知識 如果你學python是為了做後端開發，那麼你最好學兩個主流框架Dja...
機器學習是否需要完整紮實的數學基礎？
古月風耳 上過大學基本都問題不大 缺什麼補什麼。現在和你之間上學的被動學習過程不一樣了。當然如果機器學習要一直朝這個方向發展當然要打牢基礎 後面這個就可能是你的底層競爭力。 個人之前有幸自學過一部分機器學習。貴圈內比較流行的一句話是 數學好不好不影響入門，但是決定了以後在行業內的天花板。這句話的確很...
請問學習3D列印技術，需要哪些基礎知識，運用哪些軟體？謝謝！
IoT產品王 建議跟隨硬體廠商學習其配套的3D列印軟體，推薦兩家 UltiMaker 3 奧地利德國 3500美元 Formlabs 3 美國 3500美元。中文版亞馬遜遮蔽了這兩款3D金屬印表機，需要翻牆訪問美國版亞馬遜可以購買。硬體 軟體 材料是配套的。不要死磕基礎知識，Learning by ...