知识图谱组队学习笔记 D1-用Windows Neo4j Destop 搭建简易知识图谱

知识图谱组队学习笔记 D1-用Windows Neo4j Destop 搭建简易知识图谱

学习时间： 7Days

学习进度：1/7

学习目标：Datawhale 知识图谱组队学习 之 Task 1 知识图谱介绍

什么是知识图谱，Graph，schema

知识图谱：就是语义网络的知识库（Google 2012 -至今）

图（Graph）：是由节点（Vertex）和边（Edge）来构成，多关系图一般包含多种类型的节点和多种类型的边。

图的举例：

• 节点Vertex——表示实体：人名，地名，公司，药物
• 边Edge——表示关系：朋友，坐落于，子公司，衍生药物

Schema ：限定待加入知识图谱数据的格式；相当于某个领域内的数据模型，包含了该领域内有意义的概念类型以及这些类型的属性

Schema的举例：

• 电影Schema，地方商业Schema

知识图谱的价值

知识图谱是人工智能很重要的一个分支, 人工智能的目标为了让机器具备像人一样理性思考及做事的能力 -> 在符号主义的引领下，知识工程（核心内容即建设专家系统）取得了突破性的进展 -> 在整个知识工程的分支下，知识表示是一个非常重要的任务 -> 而知识图谱又恰恰是知识表示的重要一环

构建知识图谱

数据源：

对于垂直领域的知识图谱，数据来源有2种：

sequenceDiagram
    数据源->>+数据: 业务本身数据（结构化）
    数据源->>+数据: 网络上公开、抓取的数据（非结构化）

信息抽取的难点

难点在于处理非结构化数据，需要自然语言处理

构建知识图谱需要的技术

1. 实体命名识别（Name Entity Recognition）——NER
   • 提取出“Virgil's BBQ”，并标记实体类型为“Restarant”
   • 提取实体“NYC”，并标记实体类型为 “Location”
2. 关系抽取（Relation Extraction）——RE
   • 实体“hotel”和“Hilton property”之间的关系为“in”
   • “hotel”和“Time Square”的关系为“near”
3. 实体统一（Entity Resolution）——ER
   • “NYC”和“New York”指向同一个实体，需要合并
4. 指代消解（Co