知识图谱入门基础知识（一）：构建技术综述

知识图谱入门基础

想shi

目录

01. 基础知识先导

知识图谱技术（knowledge graph）框架{信息抽取层、知识融合层和知识加工层}

1. 语义网络：以图形的方式向用户返回经过加工和推理的知识
2. 知识图谱——实现智能化语义搜索的基础和桥梁（对比传统搜索引擎，在人工排查和筛选上更优化——全面掌控信息源）

2012.05.17谷歌发布知识图谱项目【关键技术：从互联网网页中抓取实体及其属性信息，以及实体间的关系】

数据链接（linked data）思想和技术：

1. URI（uniform resource identifier）
2. RDF(resource description framework)
3. OWL(web ontology language)

02.知识图谱的定义

DEF:节后华的语义知识库，用于以符号形式描述物理世界中的概念及相关关系。基本组成单位是“实体-关系-实体”三元组，以及实体及其相关属性-值对。实体之间通过关系相连接，构成网状的知识结构。

03.知识图谱架构

(1)知识图谱的逻辑架构

1. 数据层：fact类型的知识存储在图数据库
2. 模式层：知识图谱的核心，存储着经过提炼的知识

通常通过本体库来管理知识图谱——借助本体库对公理、规则和约束条件的支持能力来规范实体、关系以及实体的类型和属性等之间的联系。

(2)知识图谱的体系架构（技术）

1. 自底向上构建：从公开采集的数据构建新模式（自动知识抽取和加工技术）
2. 自顶向下构建：高质量数据中提取本体和模式的信息

从原始数据中提取出知识要素（事实），将其存入知识库的数据层和模式层————信息抽取、知识融合、知识加工

04.信息抽取

信息抽取就是抽取实体、关系和实体属性等
include<实体抽取、关系抽取和属性抽取>

(1)实体抽取（命名实体识别 NER named entity recognition）

实体抽取的质量（准确率和召回率很重要）

【早期】特定行业或特定业务——人名、地名、专有名词
启发式算法和人工编写规则相结合–>机器学习方法–>有监督+规则-
【现在】开放式全网信息抽取——科学完整的命名实体分类体系----{少量语料：迭代扩展实体语料库}———{聚类算法实现识别 关键字自动补全}

(2)关系抽取

（1）需要预先定义实体关系类型（雇佣关系、整体部分关系等等）

【早期】人工构造语法和语义规则————{模式匹配识别关系}
NLP自然语言处理中的语法、句法和语义特征进行实体关系建模
基于特征向量或核函数的有监督学习方法（人工标注大量语料）

（2）面向开放域的信息抽取方法框架（直接利用语料中的关系词汇对实体关系进行建模）

少量人工标记数据作为训练集-->实体关系分类模型-->朴素贝叶斯模型对结果进行三元组识别
then 引入规则
then 引入上下文

(3)属性抽取

实体的属性 as {人 对应 姓名、性别 etc.}
可以被转化为实体关系抽取问题（SVM）
summary：基于语料 | 基于数据结构

05.知识融合

对数据进行清理和整合

include <实体链接 | 实体合并>

2.1 实体链接
将抽取到的对象链接到知识库

def early_days():
	print("基于相似度计算")

（1）实体消歧主要采用聚类法——定义相似度

first : 空间向量模型（周边）（上下文信息损失）
second : 语义模型（奇异值分解技术）（包含一些语义特征 精度更高）
third ： 社会网络模型（社会网络分析技术，拓扑距离）
fourth ： 百科知识模型（基于知识库）
增量证据挖掘算法

（2）共指消解
多个指称项对应于同一个实体
【其他称呼】

对象对齐（object alignment）
实体匹配（entity matching）
实体同义（entity synonyms）

稍微快点。
但是C4.5居然被用在共指消解，有点意思哦（视为分类问题）

06.知识合并

• 合并外部知识库（冗余、对应，本体融入）
  • 步骤：实体匹配、知识评估（赋予新知识可信值）
• 合并关系数据库：RDF三元组数据

07.知识加工

include <本体构建 | 知识推理 | 质量评估>

本体 = 共享 = 概念模板 （模式层）
{ways：领域专家 and 众包}

08.知识推理

include<基于图的推理 | 基于逻辑的推理>

基于逻辑的推理

• 一阶谓词逻辑{个体individual+谓词predication}
• 描述逻辑
• 基于规则的推理

基于图的推理

• 神经网络模型
• path ranking（随机游走，有路就是缘）

09.质量评估

10.知识更新