以下是一些常见的常识知识库：

知网（HowNet）

• 简介：由中国科学计算机研究所董强、董振东研究开发，是一个在线的常识知识库，用于自然语言处理，包含中文词典中概念与概念间的关系，概念的属性与属性间的关系，同时还包含了与中文对应的英文概念以及概念的属性间的关系.
• 特点：以义原作为基本单元描述概念及关系，其中最重要的是上下位关系，所有的 “基本义原” 组成了一个义原层次体系。还描述了近义关系、反义关系、部件与整体间的关系、属性与宿主间的关系、材料与成品间的关系、对逆关系等.

WordNet

• 简介：由美国普林斯顿大学认知科学实验室的 George A. Miller 教授负责开发研制，其设计思路来源于心理语言学和人类词汇记忆的计算理论，是计算语义学、文本分析等相关领域研究者的重要资源.
• 特点：将英语单词按照语义关系组织成一个网络，包括名词、动词、形容词和副词等不同词性的词汇。通过同义词集（synset）的方式来表示具有相同或相近意义的一组词，并定义了多种语义关系，如上位词、下位词、整体与部分等。

FrameNet

• 简介：是美国国家科学基金支持的项目，由美国加州大学伯克利分校的国际计算机科学研究所承担，目前已发展为 FrameNet II 。它采用语义框架的描述框架，由人以机器可读取的形式对语义知识进行标注，提供了很强的语义分析能力.
• 特点：以框架为核心，每个框架都表示一种特定的场景或事件类型，框架中包含了各种角色和关系。通过对文本中的词语进行框架标注，可以更准确地理解文本的语义和上下文信息。

ConceptNet

• 简介：是一个多语言的常识知识库，旨在构建一个能够涵盖人类各种常识知识的大规模语义网络。它整合了来自多个数据源的知识，包括手工构建的知识、从文本中自动抽取的知识以及用户通过网络平台贡献的知识等。
• 特点：包含了丰富的语义关系，如因果关系、相似关系、部分与整体关系、属性关系等。这些关系可以帮助计算机更好地理解和推理文本中的常识信息，在自然语言处理、智能问答、知识图谱等领域有广泛的应用。

DBpedia

• 简介：是从维基百科（Wikipedia）中抽取结构化知识而构建的知识库。它将维基百科中的信息进行了语义化处理，提取了各种实体、属性和关系，形成了一个大规模的知识图谱。
• 特点：涵盖了众多领域的知识，包括人物、地点、事件、组织、科学概念等。通过对维基百科的持续更新和挖掘，DBpedia 能够保持知识的及时性和丰富性，为各种知识应用提供了强大的基础支持。

YAGO

• 简介：也是一个基于维基百科和 WordNet 等数据源构建的大规模知识图谱。它在知识抽取和整合方面采用了一系列的技术和方法，以提高知识的准确性和完整性。
• 特点：对实体和关系进行了更细致的分类和标注，同时还融合了多种语言的知识，具有较高的语言覆盖度和跨语言查询能力。YAGO 在语义搜索、信息检索、知识推荐等领域有广泛的应用前景 。

人类愿望知识库

• 简介：中科院计算所曹存根研究员提出从人类社会层、人类个体层、物体层以及抽象层四个层次来构建常识知识库，其中人类愿望常识与社会场景紧密相关，可针对不同社会场景中的角色及形式化，利用文本挖掘方法获得人类愿望常识语句，并将其形式化成适用于特定社会场景角色的人类愿望常识规则，以实现人类愿望的自动推理.