知识图谱 第一章（上）

知识图谱:方法、实践与应用

Q:知识图谱的理念来自什么?

A:来于万维网之父Tim Berners-Lee 关于语义网的设想，旨在采用图结构来建模和记录世界万物之间的关联关系和知识，以便有效实现更加精准的对象级搜索。

Q：什么是语义网？

A：用相互连接的节点和边来表示知识。节点表示对象、概念，边表示节点之间的关系。

​ 其优点：1. 容易理解和展示。 2.相关概念容易聚类。

​ 其缺点：1. 节点和边的值没有标准，完全是由用户自己定义。

​ 2.多源数据融合比较困难，因为没有标准。

​ 3. 无法区分概念节点和对象节点。

Q:知识图谱的应用

A:知识图谱的相关技术已经在搜索引擎、智能问答、语言理解、推荐计算、大数据决策分析等众多领域得到广泛的实际应用。

那么具体是哪些相关的技术呢？具体是怎么应用呢？希望在阅读过程中找到答案。

第一章 知识图谱概述

1.什么是知识图谱?

知识图谱是一种用图模型来描述知识和建模世界万物之间关联关系的技术方法。旨在从数据中识别、发现和推断事物与概念之间的复杂关系，是事物关系的可计算模型。

由节点和边构成:

• 节点:可以是实体,如一个人、一本书等;也可以是抽象的概念，如人工智能、知识图谱等
• 边：可以是实体的属性，如姓名、书名等；也可以是实体之间的关系，如朋友，夫妻等

2.知识图谱以知识为前提，那么知识到底是什么？

知识需要满足三要素：Justified、True、Believed

知识是人类通过观察、学习和思考有关客观世界的各种现象而获得并总结出的所有事实、概念、规则或原则的集合。（但是我认为知识是被几乎所有人承认并拿不出证据反驳的那些事实、概念、规则或原则）

3.知识图谱的价值

最早应用于提升搜索引擎的能力，之后在多个方面展现出丰富的应用价值，具体如下：

• 辅助搜索
  传统搜索引擎依靠网页之间的超链接实现网页的搜索，而知识图谱和语义技术提供了事物的分类、属性和关系的描述，使得搜索引擎可以直接对事物进行索引和搜索。可以提高搜索的效率。
  Q：上句话提到了语义技术，那么语义技术是什么？
  A：主要的语义技术标准包括以下四类。—(http://www.cssn.cn/glx_tsqbx/201706/t20170622_3557879.shtml)
  (1)网络资源描述框架(Resource Description Framework，RDF)和网络资源描述框架模式(Resource Description Framework Scheme，RDFS)。主要用于描述网络信息资源，前者用于描述具体的网络信息资源及其对应概念，后者用于描述网络信息资源概念间的关联性。RDF/RDFS可以采用不同的数据格式表达，可被写成类似XML格式的文件。经常使用的RDF/RDFS表达格式是Ntriple三元组格式。

(2)网络本体语言(Web Ontology Language，OWL)。RDF/RDFS仅能描述网络信息资源及其相关概念的基本特征，但逻辑表达能力不强。OWL对RDF/RDFS的逻辑表达能力进行扩展，使之能够表达更复杂的逻辑关系，提供逻辑推理能力。

(3)RDF查询语言SPARQL。SPARQL是一种针对RDF/RDFS语义数据的查询语言，也可用于OWL数据查询；若语义数据处理平台已嵌入对应的推理机，SPAROL还可用于对语义数据的推理结果查询。一个规范的语义数据处理平台通常会提供规范的SPAROL查询接口，被称为SPAROL服务端。

(4)规则交换格式(Rule Interchange Format，RIF)。RIF语言标准提供一种面向网络信息资源的高级规则知识表达能力，可弥补OWL对领域概念逻辑相关性描述的不足。

• 辅助问答
  Q：人和人之间可以相互对话，因为人与人之间能够听懂理解彼此在表达什么。那么人和机器怎么实现问答和对话呢？
  A:人与机器通过自然语言进行问答与对话是人工智能实现的关键标志之一。但是在机器人和物联网（IoT）设备的智能化浪潮的来临，图谱的问答对话在智能驾驶、智能家居等领域的应用层出不穷，此时知识图谱是实现人机交互问答必不可少的模块。
  • 典型的基于知识图谱的问答技术或方法
    基于语义解释（***和阅读理解差不多？***）、基于图匹配、基于模板学习、基于表示学习和深度学习以及基于混合模型等。
    （对于这个模板学习，我认为很多人都只是在学习模板，最后学着学着就忘记自己思考了，我认为这是非常不好的。这句话完全没有恶意！！希望世界和平！！）
• 辅助大数据分析
  通过知识图谱和语义技术增强数据之间的关联，使得用户可以更加直观的图谱方式对数据进行关联挖掘与分析。
  同时，知识图谱也被用来辅助文本中的实体消歧（Entity Disambiguation）、指代消解和文本理解。
  + 哎呀哎呀！！实体消歧、指代消解又是什么呢？
  实体消歧的本质是在于一个词很有可能有多个意思，也就是在不同的上下文中所表示的含义不太一样。例如Michael Jordan可以表示篮球运动员，也可以表示计算机科学家，或者其他实体。
  确定一个实体指称项所指向的真实世界实体，这就是实体消歧。
  指代消解（共指消解）找出文本中名词短语所指代的真实世界中的事物。例如：王一博是一个非常优秀的男孩子，他不仅唱歌跳舞特别棒，而且还特别喜欢笑。 这里的他就指王一博。
• 辅助语言理解
  当一个人听到一句话或者看到一段句子的时候，会使用自己毕生所学~~（夸张了，反正尽力就好）~~ 去理解，这不仅包括语法，也包括其拥有的词汇知识、上下文知识，更重要的是对相关事物的理解。
  人可以这样，那么机器呢？？
  此时知识图谱闪亮登场！！
• 辅助设备互联
  + 人和机器交流的主要挑战是语义理解，之前也提到了怎么去解决。那么问题又来了，机器与机器之间怎么交流？？
  语义技术也可以用来辅助机器之间的语义互联。
  一个设备产生的原始数据在封装了语义描述之后，可以更加容易地与其他设备的数据进行融合、交换和互操作（就是那么神奇），并可以进一步链接进入知识图谱中，以便支持搜索、推理和分析等任务。

---

为了防止秃顶加重，我决定明天再写~

---