知识图谱融合
它是解决知识图谱异构问题的有效途径,通过建立异构本体或异构实例之间的联系,使得异构的知识图谱相互沟通,实现它们之间的互操作。
知识图谱包含描述抽象知识的本体层和描述具体事实的实例层。
本体层:描述特定领域中的抽象概念、属性、公理;
实例层:描述具体的实体对象、实体间的关系;
知识图谱的异构问题
语言层不匹配: 语法不匹配、逻辑表示不匹配、原语的语义不匹配、语言表达能力不匹配
模型层不匹配: 概念化不匹配(概念范围与模型覆盖)、解释不匹配(模型风格与建模术语)
本体概念层的融合方法与技术
本体映射与本体集成
本体映射分类:从映射的对象、功能以及复杂程度三个角度进行分类。
本体映射应用:子本体抽取,通过从源本体中抽取一个子本体降低复杂性和提升效率。
本体集成:基于单本体的集成、基于全局本体-局部本体的集成
备注:研究本体映射的方法比较多,不做详细描述,后期再仔细研究。
实例层的融合与匹配
知识图谱实例匹配的量级比较大,面临着很大挑战,如:空间复杂度、时间复杂度、匹配结果质量挑战等。
大规模的知识图谱匹配方法划分为三类:基于快速相似度计算的方法、基于规则的方法、基于分治的方法。
空间复杂度可以通过数据压缩技术、外部数据库或者临时文件等方式来解决。
时间复杂度是着重分析的问题,目前,有三类方法:基于快速相似度计算的实例匹配、基于规则的实例匹配方法、基于分治的实例匹配方法。