藝術圖像知識圖譜構建初探*

鐘遠薪，夏翠娟

0 引言

美學家阿萊斯·艾爾雅維茨(Ales Erjavec)在經典著作《圖像時代》開篇即說：“我從不閱讀，只是看看圖畫而已。”[1]人類文化一直是伴隨著圖像的演化而發展的，在思維發展史上，圖像式思維早于抽象性思維[2]。海德格爾說，現代社會不僅是一個“技術的時代”，更是一個“圖像的時代”[3]。我們正經歷著深刻的文化轉型，即由傳統的以語言為中心的印刷文化向當代的以形象為中心的視覺文化轉型[4]，也就是所謂的“圖像轉向”。信息技術革命使圖像成為大眾傳播、藝術文化和社會發展的核心要素之一。

毋庸置疑，和語言、文本一樣，藝術圖像同樣是重要的文化遺產和文化符號，它以一種更為直接的方式記錄和塑造著人類文明。對藝術圖像的研究和解讀，構成了藝術學、宗教學、人類學、歷史學甚至文學的重要組成部分。今天的藝術研究與傳播已經由“讀圖”轉向“讀屏”、由“單件”變為“集合”、由“感觀”融合“數據”，深刻地改變藝術闡釋，也“勾勒出當代藝術的形狀，并最終為公眾體認當代藝術提供有效途徑”[5]。那么，對美術館、圖書館、檔案館、博物館(Galleries，Libraries，Archives and Museums，GLAM)而言，將館藏藝術圖像進行數字化并充分地標引，建成開放的圖像數據庫，就是時代賦予的使命。因此，開展藝術圖像建庫研究，探討其數據規范、技術方法和服務方式，從而為相關實踐提供參考，顯得尤為重要，并且隨著數字人文的勃興與人文學科的融合發展，“知識大融通”不僅是一種夢想，而是一種亟待解決的需求[6]。

1 相關回顧

1.1 藝術圖像

圖像是通過攝影或繪畫形成的二維形象[7]，是人類最常用的信息載體之一。藝術圖像是一種美的創作，視覺化地記錄了人類文明進程，它的生產與消費始終是人類社會生活中最基本的傳播活動，是凝聚社會的一股無形力量[8]。作為一種文化傳播與交流的工具，藝術圖像可以直觀、真實地記錄特定歷史時期和社會空間的人類實踐活動和精神追求，起到了文化傳承和文明象征的作用。

藝術圖像具有重要價值。一是審美價值。藝術是對美的追求，藝術圖像的創作體現了人們對美的認識，其美學價值多元，不僅在藝術門類交叉與互融的學術研究中發揮積極作用，更在藝術學理論建設中具有重要地位[9]。二是文化價值。潘諾夫斯基(Erwin Panofsky)認為一件藝術作品展示的是一個國家、一個時期、一個階級、一種宗教信仰或哲學信念的基本態度[10]。藝術圖像反映了不同文化的宇宙觀、生命觀和價值觀，卻又突破了不同語言的藩籬，使文化得以交流。三是史料價值。“置圖于右，置書于左，索象于圖，索理于書。”[11]中國一直以來有著圖文互文的傳統；而在文藝復興中，美術的復興貫穿始終。通過對藝術圖像的斷代、內容分析、風格判斷和技法鑒賞，可以發現歷史的留存。

1.2 藝術圖像建庫

數字時代為藝術圖像的保存和利用提供了新的工具和環境。早在1986年，加州大學伯克利分校就開始建設一套圖像數據庫，實現藝術品館藏的處理、檢索和瀏覽[12]。之后，藝術圖像數據庫不斷涌現，極大地豐富了人們獲取藝術圖像資料的來源，使研究者可以從文獻記載和親身所見的局限中脫離出來，通過數據庫得到更為豐富、系統的視覺把握，促進了藝術學等學科的發展與突破，也使普通民眾得以感受優秀藝術作品的魅力，促進了文化遺產的大眾傳播。

在研究領域，藝術圖像建庫主要涉及圖像數字化、元數據規范、圖像標注、語義組織與案例研究等方面。1987年，阿斯姆斯(Asmus，J.F.)等介紹《蒙娜麗莎》的數字化處理工作[13]，成為藝術圖像數字化研究的開端。元數據規范作為核心內容，產生了CIDOC概念參考模型(CIDOC CRM)、視覺資源協會核心類目(VRA Core)、藝術作品描述類目(CDWA)、藝術品與文化遺產數據傳輸項目(REACH)、歐盟博物館藏品元數據集(AMS)、美術圖像數字化元數據標準等主要成果[14-19]。圖像標注方面，約翰·P·艾金斯(John P Eakins)首次提出三層模型[20]，形成圖像語義標注的基本標準；徐雷等以九色鹿本生故事畫為例提出敘事型圖像的語義標注模型[21]；陳濤等基于IIIF框架探索圖像、對象和語義的三層標注方法[22]。語義組織方面，涵蓋本體設計、關聯數據應用等內容，如梁艷琪構建繪畫類文物的分類本體并進行了語義融合研究[23]、李劍等探討美術品關聯數據的聚合[24]。在理論研究基礎上，默多克(Murdoch，J.W.)等介紹阿伯丁藝術畫廊影像數據庫的建設和維護過程[25]，吳健等分享敦煌藝術圖像數據庫建設的技術架構、規范標準等信息[26]，童茵等剖析上海博物館董其昌數字人文項目[27]。

在實踐領域，影響最大的是谷歌藝術與文化(Google Arts&Culture，原Google Art Project)，2011年由Google聯合歐美17家博物館共建，旨在保護和傳播世界藝術與文化[28]。該項目已為紐約現代藝術博物館、大英博物館、故宮博物院等全球超過2，000家文化機構托管1.3萬多位藝術家的600萬張高清藝術圖像并免費開放。最有代表意義的是蓋蒂研究門戶(Getty Research Protal)[29]，共有來自蓋蒂研究所和保羅·蓋蒂博物館的圖像、手稿等記錄24萬余條，其中可自由下載和使用的圖片超過10萬張，還提供敘詞表、書目索引、藝術史文本等一系列研究內容和IIIF、Arches等開源軟件，項目伴生的藝術作品描述類目(CDWA)是利用最廣泛的藝術元數據框架。在國內，具有世界影響力的首屬“數字敦煌”，該項目1990年代開始實施，向全球免費共享30個洞窟的高精度數字圖像和全景漫游節目[30]。此外，許多高校開展藝術圖像建庫工作[31-33]。值得一提的是，不少企業利用購買和免費獲取的藝術圖片開發一系列商業數據庫，成為藝術圖像建庫中的一股重要力量。

縱觀研究與實踐，藝術圖像建庫緊隨時代發展潮流，在理論探討、技術研究、數據處理和實踐應用等方面均取得了進步，滿足了學術發展和文化消費的基本需求。從國內外對比看，國內處于追隨階段，尤其在資源開放利用方面裹足不前、差距明顯。開放理念的缺失和新技術應用能力的不足，導致國內藝術圖像建庫低水平建設、重復建設和利用率低等問題。

2 藝術圖像知識圖譜

2.1 知識圖譜技術及其應用

2.1.1 知識圖譜及其關鍵技術為提高搜索質量和用戶體驗，2012年Google提出知識圖譜概念，基于知識庫對關鍵詞進行概念和屬性關系的分析，試圖更好地理解用戶搜索意圖，以幫助用戶找到正確的東西(Thing)，并提供與結果有知識聯系的內容。與信息計量學領域“科學知識圖譜”(Mapping Knowledge Domains)不同，知識圖譜是一種大規模語義網絡，包含實體、概念及其之間的各種語義關系[34]，它既是一套人工智能技術體系，也是一種知識組織和表達的模式，同時還是一類大規模的開放知識庫。

知識圖譜的關鍵技術基礎之一是語義網技術的發展。2001年蒂姆·伯納斯-李(Tim Berners-Lee)等介紹RDF知識表示方法、本體論、智能代理等關鍵內容[35]，奠定了語義網的基礎。隨后W3C發布RDF、OWL、SPARQL等一系列標準來推動語義網落地。2006年關聯數據(Linked Data)被提出以簡化語義網的實現路徑[36]，得到廣泛應用并深刻地改變了互聯網。知識圖譜的另一關鍵技術基礎是大規模知識庫的建立。DBpedia、YAGO、Freebase等大型通用知識圖譜主要源自維基百科；中文通用百科知識圖譜(CN-DBpedia)和中文通用概念知識圖譜(CNProbase)主要從中文百科網站提取信息；ConceptNet、GeoNames、BabelNet、百度知心、搜狗知立方等均以不同知識庫為基礎。

知識圖譜技術可分為知識獲取與處理、知識建模與存儲、知識計算與應用等3個體系(見圖1)。知識圖譜一般從各種結構化、半結構化和非結構化數據中抽取出實體、屬性、關系等知識要素，然后進行實體對齊、知識聚類、知識補全等處理。知識建模與存儲主要包括知識本體構建、RDF圖模型和屬性圖模型、圖數據存儲等內容。知識計算與應用則包括知識查詢與推薦、知識推理與問答、知識挖掘與可視化等相關技術與應用。

圖1 知識圖譜體系框架圖

知識圖譜有自頂向下(top-down)和自底向上(bottom-up)兩種構建方式。自頂向下是先為知識圖譜定義好本體與數據模式，再將實體加入到知識庫。自底向上是從一些開放關聯數據中提取出實體，選擇其中置信度較高的加入到知識庫，再構建頂層的本體模式[37]。知識圖譜的體系框架圖很好地展示了其構建的基本過程。

2.1.2 GLAM領域應用

知識圖譜的價值在于大規模、富有語義且可復用，天然契合GLAM的價值取向，因此很快被應用于實踐，形成了許多成果。在國外，薩德菲(SadeghiAfshin)等整合DPLP、Microsoft Academic Graph等多源數據以構建學術交流領域知識圖譜進行學者分析與評價[38]；奧德曼(Oldman Dominic)等通過建立知識圖譜為大英博物館研究社區的研究者提供更好的知識庫支持[39]；卡里略(Carriero Valentina Anita)利用包含82萬個文化實體共1.69億個三元組的知識圖譜ArCo論證其在文化遺產保護工作中的重要性和影響力[40]。在國內，楊海慈等借助知識圖譜對宋代學術傳承和宋代政治網絡進行可視化展示[41]；劉芳等從知識抽取、知識融合、知識存儲和知識應用4個方面設計國家博物館藏品知識圖譜，研究關鍵技術問題[42]；胡吉穎等基于中國科學院文獻情報中心海量數據構建科技大數據學術圖譜，實現了10類科研實體的智能語義搜索和多維知識的集成發現[43]。

GLAM大規模、規范和結構化的館藏記錄是知識圖譜高質量知識數據的主要來源。知識圖譜在GLAM的應用以構建和發布知識庫為主，更關注本體設計、知識存儲和知識消費等基礎環節和利用場景，較少涉及知識抽取、知識融合及知識推理等技術內容，呈現出明顯的領域特色，也昭示了GLAM在知識圖譜生態體系中不可或缺的重要地位。推動知識圖譜技術在GLAM的應用，不僅能促進館藏資源的充分揭示、提升資源服務水平，也能推動知識圖譜與人工智能的發展。

2.2 藝術圖像知識圖譜構建可行性分析

從技術條件看，知識圖譜發展漸趨成熟，雖然在知識融合、知識加工和知識表達等環節還有一些關鍵問題有待突破，但其構建的整個生命周期都有豐富的開源工具，足以滿足實踐應用的需求。同時，本體建模、RDF、關聯數據等基礎技術早已在GLAM領域得到廣泛應用，知識圖譜的技術思想與GLAM領域的資源組織理念高度一致，因此采用知識圖譜來解決藝術圖像建庫的知識化和開放性問題是最為清晰的路徑之一。近年GLAM領域知識圖譜的實踐充分證明了藝術圖像知識圖譜構建的技術可行性。

從數據基礎看，經過長期積累，收藏機構已基本完成所藏藝術圖像的編目，部分機構還開展了數字化掃描和深度標引工作，奠定了內部數據基礎。互聯網則提供了良好的外部數據環境，世界上各大機構已經發布許多相關數據集，如蓋蒂的藝術與建筑敘詞表(Art&Architecture Thesaurus)和藝術家聯合目錄(The Union List of Artist Names)，Google的谷歌藝術數據接口(Google Art Wrapper)，還有大量的概念圖譜、人物圖譜以及通用知識圖譜。這些數據集可以有力地支撐本地數據的連接、補全與融合。

從應用需求看，新環境下GLAM面臨著對藝術圖像進行高質量管理和服務的挑戰。進一步推動藝術圖像資源的建庫和開放，才能響應數字人文與新文科發展的號召，更好地滿足科研教育、文化娛樂、商業服務等行業獲取藝術圖像數據的需求。時代的發展也在呼吁增加高質量文化資源供給，以豐富民眾的文化生活，促進文化遺產的保護與傳承。

3 案例研究

3.1 S藝術數據庫簡介

S藝術數據庫是一個采集、購買經典美術作品并進行深度加工和系統整理而形成的商業藝術圖像數據庫，旨在為藝術教育與文化傳播提供藝術圖像資源、促進藝術教育的普及、推動社會美育和新型公共文化服務體系的發展。2016年S藝術數據庫建成并向100多家圖書館提供藝術圖像檢索、瀏覽和下載服務。目前該庫收錄了古今中外包括油畫、素描、雕塑、國畫、書法、傳統壁畫等27個大類15萬余件高清藝術作品，整理了全球1.3萬多位藝術名家和4，000余家藝術機構的信息，同時提供藝術專題、作品解讀、線下展覽等增值服務。

3.1.1 系統功能

S藝術數據庫由管理平臺和用戶服務平臺兩部分構成。管理平臺提供資源處理和系統管理功能，用戶服務平臺包括藝術圖片、藝術家、藝術機構三大核心功能，故事、主題、展覽等聚合功能，藝術時期、藝術類型、風格流派、國別等分面功能，其系統架構見圖2。

圖2 S藝術數據庫系統架構圖

3.1.2 元數據設計

S藝術數據庫的數據描述基于都柏林核心元數據集(DCMES)制定，共分藝術品、藝術家、藝術機構3個主表，國家、時期、藝術詞典、藝術資訊、藝術主題、風格流派等近10個附表，以及10多個輔助橋表。以藝術品為例，設置唯一編號、作品名稱、作者、作品類型、材質技術、作品尺寸、釋文、款識、鈐印、鑒藏印、簡介、注解、創作起止時間、創作地點、拍賣經歷等15個核心字段以及更新時間等近10個輔助字段。作者字段的取值受藝術家表的約束，作品類型、材質技術等字段的取值受相關規范性附表的約束，實現了一定程度的數據規范化。藝術家表涵蓋中文名、西文名、別名、出生時間、出生地、藝術特點、藝術成就、受啟發于、施影響于、傳人、年表、簡介、歷史評價等核心字段，藝術機構包括名稱、別名、主要館藏作品、主要館藏藝術家、成立時間、地點、官方網址、簡介等核心字段，不再贅述。

3.1.3 內容組織與利用

S藝術數據庫采用關系型數據庫來儲存描述數據，采用XML來存儲圖像文件的多層分割信息，切割后的圖像文件則分布于云存儲中，在檢索方面采用開源全文搜索引擎Lucene實現全庫索引和數據的高效查詢。該庫以藝術品、藝術家、藝術機構三大核心功能來組織內容，三者之間的聯系通過冗余字段和一系列橋表實現，數據的著錄通過人工輔以少量機器處理完成。三大核心功能均實現首字母、時期、類型、流派、國別等分面組織。此外，通過人工編輯，以藝術專題和故事的形式，實現相關內容的聚合、解讀和導覽服務。該庫提供了基于名稱、簡介等字段的基本檢索和組合檢索功能，并支持二次檢索。在詳情頁面，除提供當前記錄的字段信息外，還提供相關內容的展示或鏈接，如藝術家詳情頁面展示該藝術家的代表作品以及相關人物。在圖像呈現方面，提供近十層的縮放瀏覽功能，支持組圖模式，可以拖動、全屏化和保存當前顯示的圖片內容；提供高清原圖的下載功能，滿足用戶本地利用的需求。

3.2 S藝術圖像知識圖譜的設計與實現

數字人文的興起和新文科的發展對藝術圖像建庫提出了數據標準化、知識化和開放化要求。鑒于此，S藝術數據庫進行知識抽取、內容重構和知識存儲等方面的探索開發，從而構建一個藝術圖像知識圖譜，踏上從資源服務到知識服務的轉型發展之路。

3.2.1 系統架構

S藝術圖像知識圖譜的構建有三方面需求。一是完整繼承S藝術數據庫的數據與功能，以保證服務的平滑遷移；二是構建本體，從數據中抽取實體、屬性與關系，實現內容的知識化表示和存儲，以提供知識關聯服務；三是融合第三方開放知識圖譜，豐富本地數據，以提供更全面的內容。其構建實質上是一個GLAM領域典型的數據轉換項目，系統架構見圖3。

圖3 S藝術圖像知識圖譜系統架構圖

3.2.2 本體構建

S藝術數據庫采用人工知識建模的方式構建本體。第一步分析數據結構，列出所有要繼承的字段元素，并正確區分屬性和關系，將諸如“類型”“創作地點”“受啟發于”等用于揭示實體之間聯系的字段梳理出關系元素集合。第二步參考和借鑒現有領域本體模型，依據“最大復用”原則設計概念模型，復用成熟的術語并自定義特有的實體屬性。最后梳理出完整的分類體系、實體屬性和關系，定義必要的約束條件，從而得出本體模型如圖4所示。

圖4 S藝術圖像知識圖譜本體模型

以藝術品為例，其本體設計充分復用DCMI的abstract、contributor、created、creator、description、format、hasFormat、identifier、language、modified、subject、title、type等屬性和Location類，復用FOAF、Schema.org、W3C Time Ontology的Event、Image、Organization、Person等類及相關屬性，并自定義Artist、Institute、Signet、Work等類及必要屬性，構成藝術品本體如圖5所示。

圖5 藝術品本體模型

3.2.3 知識組織與利用

經過初步的知識抽取與處理，S 藝術數據庫共形成了近18萬個實體共290余萬個三元組。由于數據規模較小，且利用模式相對簡單，因此采用Neo4j圖數據庫進行存儲。圖像的切割信息與文件仍以原方式進行存儲。為更好地兼容傳統檢索需求，采用Elasticsearch作為全文搜索引擎。

S藝術圖像知識圖譜仍圍繞藝術品、藝術家和藝術機構三大核心要素組織內容，原有的類型、國別、時期、流派等分面屬性，則形成具有取值約束的分類，從而更好地提供多條件篩選功能。構建知識圖譜后，不僅實現了藝術圖像資源的概念化描述，支持內容的準確導航和精準搜索，而且實現了數據之間的知識關聯，數據圖中的任意一個節點和邊都可以成為檢索入口，為用戶提供某一實體的屬性以及相關實體的列表等信息。

除檢索外，知識圖譜為用戶提供強大的知識發現與融合功能。例如，用戶在瀏覽趙孟頫的詳情頁面時，不僅顯示基本描述信息，也提供他的所有作品列表和相關藝術家列表等；同時，通過關聯數據消費技術，實時呈現第三方知識圖譜如DBPedia的相關內容，從而提供互聯網鏈接服務。而且，通過網絡爬蟲不斷獲取第三方開放知識圖譜及其他網站上的相關數據，進行數據清洗并實現實體的共指消解和鏈接，進而融合到本地知識圖譜之中，可以形成一個可生長的數據系統。

此外，知識圖譜還提供了知識分析服務和數據開放服務的可能性。通過可視化技術，可以將用戶的檢索結果進行可視化呈現，更好地展現資源及其內在聯系；通過數據開放接口，可以為用戶提供形式化數據，有利于數據的深度利用。

3.3 對比分析

S藝術數據庫作為一個商業數據庫，核心需求是更好地組織和提供資源。與其他強調計算的知識圖譜不同，S藝術圖像知識圖譜側重于資源的揭示與服務。從系統功能、內容揭示、數據關聯和開放等方面進行對比分析，發現知識圖譜相較于傳統數據庫具有先進性。

在系統功能上，知識圖譜具有明顯的優勢，尤其是在數據復用、屬性拓展和數據自動更新等方面有突破性進步。例如，S藝術數據庫需要為藝術品增加一個色彩屬性，不僅要修改作品表的數據結構，還要重構相關代碼，實現難度很大。建成知識圖譜之后，這樣的修改需求比較容易實現。

在內容揭示上，知識圖譜實現了資源潛藏知識的顯化和檢索，并對傳統數據庫難以勝任的關系查詢、探究式搜索提供了良好的支持。例如，要在內容詳情頁面實現資源推薦功能，傳統數據庫只能根據當前內容有限的數據冗余和橋表，以同作者、同類型、同國籍等簡單關聯信息進行推薦，知識圖譜則可以整合不同層級、多種關系的內容，為用戶推送更全面、更精準的資源。

在數據關聯上，傳統數據庫只能通過字段冗余或橋表來實現，而知識圖譜采用圖數據進行數據存儲，數據之間的聯系天然存在且易于計算與呈現。對于外部數據，傳統數據庫由于不具備語義，只能針對不同的外部數據集開發不同的接口去實現關聯，而知識圖譜通過本體的解析，只需少量代碼就能準確連接多源異構的外部數據。

在數據開放上，傳統數據庫要么提供裸數據下載，要么通過特定接口開放查詢，第三方需要學習接口文檔后進行定制開發才能接入，且數據缺乏規范性和語義性。知識圖譜只需開放本體描述和查詢端點，第三方就能按照語義數據消費的一般規則，獲取和利用所需知識數據。

表1 S藝術數據庫與S藝術圖像知識圖譜對比分析表

4 討論

4.1 價值

藝術圖像知識圖譜的構建能促進GLAM館藏資源的開放和利用。對藝術圖像進行規范性、一致性的形式化描述，揭示藝術圖像資源中隱含的知識，如人物、時間、事件等實體及其相互之間的關系，實現圖像內容的知識化組織，可以更好地支持資源的檢索和利用，并使知識共享成為可能。藝術圖像知識圖譜的廣泛構建將釋放GLAM館藏的巨大能量，為文化產業發展提供高質量的知識資源，從而促進文化遺產的保護、傳播與傳承，推動文化事業進步。

藝術圖像知識圖譜能推動人文學科研究深入發展。藝術圖像對人文學科的重要性毋須重提，但如果僅僅是把圖片上網，沒有進行規范性標注、沒有揭示其中蘊藏的知識、沒有融合文本與知識數據，那么對學者而言，它是難以發現和難以解讀的。在數字人文時代，研究者們渴求更全面、更準確、更便捷的數據服務。藝術圖像知識圖譜的構建是GLAM主動推進知識服務升級，實現藝術圖像豐富內涵的顯性化和知識化表達的舉措，將充分發揮藝術圖像的研究價值，為人文學科的交叉研究和融合發展奠定知識資源基礎。

藝術圖像知識圖譜能助力機器認知智能的關鍵性突破。知識是機器實現認知智能不可或缺的基本條件。以圖像領域而言，當前研究所用的樣本空間數據往往缺乏知識關聯性，因此計算機視覺雖然在算力大幅提升和算法快速進化的基礎上取得了重大突破，但其解決的僅是圖像中有什么東西的問題，對圖像表達了什么內容、傳遞了什么價值、象征了什么意義，尚不能給出答案。潘諾夫斯基將藝術圖像意義的闡釋分為基于視覺因素的事實主題、基于文化背景的圖像寓意和基于哲學探究的象征形式三個層面[44]。缺乏人類對線條、色彩、形狀的認知知識，缺乏文獻資料所反映的概念和主題知識，缺乏時代性的文化觀念知識，機器永遠無法真正地理解圖像。藝術圖像知識圖譜的廣泛構建，將為機器學習提供大規模形式化的人類解讀數據集，有助于人工智能的發展。

4.2 問題

在當前環境與技術條件下，藝術圖像知識圖譜構建主要面臨兩方面問題。一是技術應用。雖然知識圖譜技術發展迅速，在構建的各個環節已有相應的解決方案和開源工具，但仍存在不少技術挑戰。例如，高質量標注數據的獲取和知識化處理、結合計算機視覺最新成果的圖像自動標引、時空語義的增強、圖像知識的分析模式構建等都需要在實踐中尋找解決方案并推動技術的突破。二是資料融合。藝術圖像不是孤立存在的，它與同時期的文本、實物息息相關，共同反映歷史和文化的真實。因此，對藝術圖像的解構，需要引入與之相關的其他文獻資料來提供背景知識、研究素材和分析依據。這就要求藝術圖像知識圖譜構建要有“大文獻觀”，不應拘泥于一庫、一館、一學科，而是充分發揮知識圖譜開放共享的特性，實現跨媒體、跨領域、跨語言的知識融合。

就本文而言，僅以S藝術數據庫為案例，初步探討藝術圖像知識圖譜構建的本體設計、內容存儲、系統設計與比較分析等應用問題，并未對知識抽取、知識融合等深度應用進行介紹，也未展開不同類型藝術圖像語義標注模型的深入討論，有待方家深入研究。

5 結語

人工智能領域有句名言：“有多少人工就有多少智能。”相較于文字，藝術圖像作為人類文化一種更直接、更豐富也更模糊的表達方式，其解讀更為困難，對于機器而言更難以理解。藝術圖像知識圖譜的構建，可以將無數先人積累下來的、關于藝術圖像的知識成果轉化為有語義、可關聯、可計算的數據庫，從而增強機器認知能力，最終幫助人們從大量繁瑣、反復且低效的資料處理工作中脫離出來，專注于真正問題的思考。相對于傳統數據庫，知識圖譜可以為藝術圖像的組織和內容揭示提供更好的工具，有助于GLAM館藏藝術圖像資源開放與廣泛利用。