什么是知识图谱（Knowledge Graph）（下）

最新推荐文章于 2024-10-01 20:30:30 发布

blueorris

最新推荐文章于 2024-10-01 20:30:30 发布

阅读量2.1k

点赞数 2

分类专栏：知识图谱文章标签：知识图谱 knowledge graph KG 入门

知识图谱专栏收录该内容

4 篇文章 1 订阅

订阅专栏

本文参考了Mayank Kejriwal的新著《Domain-Specific Knowledge Graph Construction》（2019年）

写在前面

这一篇文章是《什么是知识图谱（Knowledge Graph）（上）》的后续，主要介绍了几个KG应用的例子。有一些概念在上一篇文章里介绍过，如果对这一篇里的一些定义有疑问，请先阅读上一篇哦。

实例1：学术领域

我们第一个要讲的 domain-specific KG是学术出版（academic publication）领域（如下图）。中间两个红色边框的节点代表了不同的学术刊物，它们的名字就是刊物的标题。刊物的其他信息（如作者，发行时间，会议）也在图上表示了出来。矩形通常用于表示属性（literals），椭圆通常用于表示资源（resources）或实体（entities）。

这样的表示除了简单易懂之外，还有一个重要的原因就是它有一些自带的含义。椭圆节点通常表示的是国际化资源标识符（Internationalized Resource Identifiers，简称IRI），它是统一资源标识符（Uniform Resource Identifier，简称URI）的通用形式。

实体和实体之间可以有关系（如作者和刊物之间），实体和属性之间也可以有关系（如刊物和发行时间之间）。但是在一个三元组（h, r, t）当中，t可以是属性或者实体，但是h只能是实体。

实例2：产品和公司

我们再来看看电商领域中实体和属性的区别（参考下图）。这张图画了同一个商品的两种不同表示方法（红框椭圆），通常我们需要找到实际上相同的实体，如图中的“iPhone XS Mas 512 GB”和“iPhone”，这个过程就是entity resolution。

在建立KG的基础结构时都有极高的自由度，比如同样一种商品可以用两种完全不同的方法来建模，但是建模的方式可能会同时对上游任务和下游任务产生影响。（上游任务是指KG生成之前的任务，比如信息提取（information extraction），下游任务是KG被抽取和被保存之后的任务，比如entity resolution和entity querying。）例如，我们没有进行entity resolution的话，就不能直接计算合集（aggregation），比如计算产品的实际总个数。

由于我们经常会碰到从各种各样的资源里抽取到同样一个实体的情况，所以我们必须对其进行entity resolution。在以后的文章中我们会详细讲entity resolution。

实例3：地缘政治事件

这是一个复杂而前沿的例子。这里不加赘述地缘政治是什么，如果感兴趣可以自己搜一搜，这里主要讲用KG表示事件。

除了在前面例子中讲到的实体和属性等内容之外，KG的图还可以用二阶（second-order）实体来表示，事件就是典型的二阶实体。一个事件中的地点（location）和时间（time）是一阶（first-order）实体，而这些一阶实体还具有描述它们的属性，加起来就形成了二阶实体（如下图的虚线椭圆部分）。事件还可以直接拥有属性（如下图的:description），这个时候就类似于一阶实体。