人物背景等;关联特征包括人物关联、时间关联、事件关联、地域关联等特征。
特征属性中所有的属性内容都有其模型，例如人物模型、时间模型、语气模型、情感模型，也就是说每增加一项属性内容就对该属性内容进行描述，即知识对象模型。而当这些模型进行实例化时，知识数据就来自各种信息素材，从而与知识图谱进行关联，这样就构建出了知识世界的框架。
3 信息特征表示模型
在信息特征表示框架中，按文本、语音、图像、视频等类型，对各自的特征属性进行实例化，就构建成了文本、语音、图像、视频的信息特征表示模型了。下面以文本信息为重点进行详细阐述。
3.1 文本信息特征表示模型
文本信息特征表示模型如图2所示。
文本信息特征由语义特征、文本内容和文本写作的背景特征和关联特征等一级内容特征组成。其中，语义特征由语义特征的向量化表达、浅层语义、深层语义等二级内容特征组成;背景特征由事件背景、时间背景、环境背景、作者背景、时间背景、环境背景、事件背景等二级内容特征组成;关联特征由人物关联、事件关联等二级内容特征组成。二级特征又由一系列的特征属性组成，如浅层语义特征由文本摘要、关键词、实体、文本分类、态势要素、元事件等组成。每个特征属性又具有相应的描述信息，如浅层语义中的人物实体对应的描述信息包括人物的外部特征、声音特征、履历、兴趣爱好、行为习惯、参与事件活动、关联人物等，其中每个描述信息又包括系列具体的属性，如人物的外部特征包括性别、身高、体重、头发长短、肤色、脸型、体型等外部特征描述和语义、语速、音调、音色等声音特征组成。
3.2 其他信息特征表示模型
语音特征表示模型：基于信息特征表示框架，构建语音特征表示模型，其中背景特征和关联特征与文本信息类似，重点对语义特征进行建模。其中，浅层语义主要指语音转成的文字以及语音中的关键词，深层语义主要指语音本身所携带的声纹特征、语气、语调、音色、音频等特征。
图像特征表示模型：图像的语义特征，从向量化表达的角度，一般使用图像特征来表达，如统计特征、纹理、结构等;图像的浅层语义主要指从图像中获取的文本化内容，如图像所描述的物体、人物、姿态以及位置关系等;图像的深层含义主要指从图像中描述的内容所表达的意图信息、心理活动等。
视频特征表示模型：视频可以看成是连续的图像加上声音，其语义特征可以参照图像特征及语音特征进行构建。
4 结论
在本文中，我们提出了全维知识图谱的概念，采用尽量多的维度、统一的知识表示框架来规范不同品类信息的描述方法，能够使采集的信息尽量完整和准确。本文对全维知识图谱的概念内涵进行了阐述，并给出了一种知识表示的框架，说明在领域应用中是可行的，而通过分析可知，全维知识图谱能够在多个环节发挥实际的好处，因此，很有必要进行继续深入的研究。
参考文献：
[1] 徐增林， 盛泳潘， 贺丽荣. 知识图谱技术综述[J].电子科技大学学报，2016，45（4）： 589-606.
[2] 马创新.论知识表示[J]. 现代情报，2014，34（3）：21-24.
[3] 刘峤， 李杨， 段宏. 知识图谱构建技术综述[J].计算机研究与发展，2016，53（3）：582-600.
[4] 虞盛康. 面向互联网数据的知识表送与推理[D].浙江：浙江大学，2016.
[5] 陈宏. 基于本体的知识表示研究[D].长沙：长沙理工大学，2006.
[6] 党洪莉. 知识科学视角下我国知识融合研究现状解析[J].情报杂志，2015，34（8）：158-162.
[7] 周芳， 王鹏波， 韩立岩. 多源知识融合处理算法[J].北京航空航天大学学报，2013，39（1）：109-114.
[8] 王锦， 王会珍， 张俐. 基于维基百科类别的文本特征表示[J].中文信息学报，2011，25（2）：27-31.
[9] 许鹏飞. 图像结构化特征表达方法研究[D].哈尔滨： 哈尔滨工业大学，2013.
【通联编辑：唐一东】