《知识图谱概念与技术》读书笔记：概念图谱中的isA关系

读完可以回答以下问题：

1.概念图谱构建的要素是什么？如何构建优质的概念图谱？

2.概念图谱中isA关系的抽取方法有哪些？实际应用较多的方法有哪些？实际应用时抽取过程是怎样的？

3.中文概念图谱的构建过程是怎样的？典型的中文概念图谱实例介绍

1.概念图谱构建的要素是什么？如何构建优质的概念图谱？

知识图谱的规模和质量是构建知识图谱的重要因素。概念图谱作为一种重要的知识图谱也是如此。

如何构建大规模且高质量的概念图谱呢？

从大规模的文本中自动抽取isA关系，进而构建大规模概念图谱。如何提高质量是大规模概念图谱的核心问题，目前无法给出一个统一的答案。

2. 概念图谱中isA关系的抽取方法有哪些？实际应用较多的方法有哪些？实际应用时抽取过程是怎样的？

1）isA关系抽取的方法

2）实际应用较多的方法为

           基于模式的方法和基于在线百科的方法

3）基于在线百科的方法抽取过程

        基于在线百科的方法抽取准确率较高，但是在线百科的标签规模有限很难形成大规模的概念图谱。

         以YAGO为例基于模式方法构建概念图谱：

        第一步：概念标签识别

                  数据源是维基百科数据，其中标签分为：概念型标签、主题型标签、属性型标签以及管理型标签

•                  概念型标签：描述实体所属的类型（多用，核心标签）       例如：American male film actors
•                 主题型标签：描述实体所述的主题 （多用）      例如：Chemistry
•                 属性型标签：描述实体的相关属性（少用）        例如：1979 births
•                 管理型标签：用于管理维基百科词条 （少用）     例如：Articles with unsourced statements

                识别方法：浅层语言分析

                       标签短语的核心词

                       复数被识别为概念标签  例如：American male film actors

                      单数被识别为主题标签   例如：Chemistry

                     属性型标签和管理型标签识别使用：人工或基于规则的方式

        第二步：概念层级体系构建

       

4）基于模式的方法抽取过程

        最常见的isA关系的语法模式是Hearst模式。

典型的Hearst模式

模式	例子
NP such as {NP,}* {(or|and)} NP	companies such as IBM,Apple
NP {,} including {NP,} *  {(or|and)} NP	algorithms including SVM,LR and RF
NP{,NP}* {,} or other NP	animals,dogs, or other cats
NP{,NP}* {,} and other NP	representatives in North America,Europe,Japan,China, and other countries
NP{,} especially {NP,}* {(or|and)} NP	developing countries,especially China and India

    缺陷：

   1.模式前后的噪声词会导致抽取错误。 例如：animals other than dogs such as cats  => cats is dogs

   2.分词错误会导致错误。 例如：algorithms including SVM,LR and RF =》 LR and RF是一个实体还是两个实体

   缺陷解决：

   基于统计频次，信任高频次模式的方式提高准确率和召回率

3.中文概念图谱的构建过程是怎样的？典型的中文概念图谱实例介绍

典型的中文概念图谱实例：大词林和CN-Probase

1）大词林

        方法：抽取+排序

        步骤：1）基于“搜索引擎搜索实体、从搜索结果、在线百科类别标记以及实体核心库”获得输入实体的上位词，从而得到候选上位词       =》提高覆盖率，提高召回率

                  2）基于上位词排序模块使用启发式规则对候选上位词进行排序   =》提高准确率 

                  3）从而得到实体的最终上位词

2）CN-Probase

         方法：生成+验证

         步骤：1）生成模块：从中文在线百科的多个数据源获取上下位关系。方法：短语分割获得上位词，深度生成使用编码器和解码器模型，谓词（职业，公司性质等）发现，使用标签进行直接抽取=》提高覆盖率

                    2）验证模块：基于启发式规则发现错误isA关系。方法：互斥概念的验证、命名实体识别（上位词不可能是命名实体）的验证和基于语法规则的验证（人工定义一些规则）=》提高准确率