知识图谱简述

什么是知识图谱

目前，知识图谱并没有一个明确的定义（gold standard definition）。我在这里借用一下“Exploiting Linked Data and Knowledge Graphs in Large Organisations”这本书对知识图谱的定义：
A knowledge graph consists of a set of interconnected typed entities and their attributes.

即，知识图谱是由一些相互连接的实体和他们的属性构成的。换句话说，知识图谱是由一条条知识组成，每条知识表示为一个SPO三元组(Subject-Predicate-Object)。

在知识图谱中，我们用RDF形式化地表示这种三元关系。RDF(Resource Description Framework)，即资源描述框架，是W3C制定的，用于描述实体/资源的标准数据模型。RDF图中一共有三种类型，International Resource Identifiers(IRIs)，blank nodes 和 literals。下面是SPO每个部分的类型约束：

• Subject可以是IRI或blank node。
• Predicate是IRI。
• Object三种类型都可以。

可以看一下实际数据，这是由万科查询出来的知识图谱：

可以看出来，图不过是一些顶点和边的集合，或者说更简单一点，图就是一些节点和关联这些节点的联系的集合。这里invest（投资）和officer（职位）就是边集合，而公司和个人就是顶点，通过这些关系能构建一张相互关联的图。

无处不在的图

就拿Twitter来说，他的数据是很容易构建一张图，我们可以看出由Twitter用户组成的一个小型社交网络。每个节点被标记为User，表明了他在这个网络中的角色。然后通过Follows来进行关联，通过这张图，我们可以很好的看出来他们之间的follows关系

在我们了解现实世界的数据的广泛多样性的时候，会发现不同于关系型数据库背后基于表的模型，他们之间有非常丰富的关系连接起来，可以形成不同的图。

图领域

OLTP

主要用于联机事务图的持久化，通常直接实时的被应用程序访问，这类技术称为图数据库，和常见的关系型图数据库中的联机事务处理(online transactional processing，OLTP)数据库是一样。

OLAP

主要用于离线图分析分析的技术，通常按照一系列步骤执行，这类技术被称为图计算引擎，和其他大数据分析技术看做一类，如数据挖掘和联机分析处理(online analytical processing，OLAP)。

从图模型的角度来看，也可以分为以下三种类型

• 属性图
• 资源描述框架（Resource Description Framework，RDF）三元组
• 超图

图数据库

图数据库管理系统是一种在线的数据管理系统，他支持图数据模型的增、删、改、查（CRUD）方法。图数据库一般用于事务处理中。
一般分析图数据库，我们会从以下两个角度进行分析：

底层存储

一些图数据库使用的图原生存储，这类存储专门对图的存储做过优化，专门为图的存储和管理设计，另外一类就是使用的是将数据序列化之后，将图数据存储到关系型数据库或者面向对象的数据库中。

处理引擎

一些定义要求图数据库使用免索引邻接，这就意味着，这些关系是在物理上指向彼此的。站在客户的角度上，只要看起来像图的数据库都是图数据库，虽然免索引邻接带来了巨大的性能优势，但同时会给一些非遍历的查询中带来性能隐患，同时需要耗费大量的内存。
根据底层存储和处理引擎，可以构建以下这张图：