知识图谱概念

知识是什么？

知识图谱（Knowledge Graph）正如其名，其本质是为了表示知识。那么知识是该如何定义呢？我们来看一下维基百科中的定义：
知识是对某个主题确信的认识，并且这些认识拥有潜在的能力为特定目的而使用。意指透过经验或联想，而能够熟悉进而了解某件事情；这种事实或状态就称为知识，其包括认识或了解某种科学、艺术或技巧。此外，亦指透过研究、调查、观察或经验而获得的一整套知识或一系列资讯。
可以从这块相对抽象的定义里得到一个主观的感受，那就是知识是一种认知，其既是一种事实，也是一种状态。比如，“我会加减乘除”是一种事实也是在表述我通过学习和实践，使得现在已经掌握这项技能的一种状态。并且这种认知是相对复杂的，有从时间变化的纵向维度，也有涉及到关系、概念、实践等等横向维度的变化。但不变的是，知识是有一个主题的，以及由主题衍生出来的各个“属性”组成，类似于树状结构，这一棵树，就是一条知识。
如果用官方一点的定义呢，每条知识是表示为一个 SPO 三元组，即 Subject（主体）Predicate（谓语）Object（客体）
那个回到“表示知识”这个关键点，我们创造出知识图谱这个概念，就是为了帮助我们更快、更好地用来表示出多条独立的“知识”。更进一步说，知识图谱就是用来组织和描述 SPO 三元组的。

如何描述三元组？

前面我们介绍了知识的概念和SPO三元组，我们已经知道了，知识图谱是一条条知识组成的，一条条知识又是三元关系（Subject——Predicate——>Object）组成的，那么问题就来了，如何描述这个三元关系呢？

使用RDF来表示

在知识图谱中，我们用RDF形式化地表示这种三元关系。从定义上来看，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。为什么我们描述知识要用“Web”的形式去描述呢？因为网络、Web中的各项关系，其实和知识的抽象概念很像，这是一种即像树，又像网的东西。
有唯一确定主体、有连接属性的谓语、有明确属性值。
那么RDF框架下，对三元组是如何具体定义的呢？我们先来了解一下RDF图中定义的三种类型：International Resource Identifiers(IRIs)，blank nodes 和 literals。RDF通过定义出来的这三种属性对SPO三元组进行约束：

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

可以看到，主体必须是能唯一表示的，或者干脆就是匿名资源（Blank Node，这个概念可以向外引申，在这里可以先忽略）。唯一表示就会用到IRI，相当于是URL和URI的推广[1]，用于唯一定义一个实体或是资源。（说白了，就是我们要通过一个确定的方式来找到唯一的它）
谓语也是要唯一表示的，就像你都不知道要和另一个人建立什么关系，你又怎么能跑过去说我们在一起吧。这个“在一起的两个人“这个关系描述得就太模糊，不能唯一确定。举个例子，两个男的可以是朋友、可以是仇人也可以是情侣。
那我们整理一下RDF定义三种类型的用处：

• IRI —— 在整个网络或者图中唯一定义了一个实体/资源
• blank node —— 没有IRI和literal的资源，或者说匿名资源[1]，暂不详细分析
• literal —— 字面量，可以看作是带有数据类型的纯文本
  回到刚刚那个例子，架设有两个男人一个为A，一个为B，我们的主体Subject是男人A，我们给他一个IRI：www.man-a/relation；我们的谓语是表示与主体是朋友的关系，我们给他一个带有prefix的IRI：kg:firiends；然后我们的客体就是男人B的名字，我们给他一个字面量：man-b。
  那么这个描述两个男人间朋友关系的这个知识就可以表述为：www.man-a/relation ——kg:firiends——man-b。
  这就是RDF的作用，使用标准数据模型的方式来进行资源描述。

使用属性图来表示

介绍完RDF来表示关系，是不是感觉略有一点复杂，确实，这种方式比较严谨，更贴近知识图谱原始的定义。但实际在工业界应用过程中，还是会有相当多的场景会选择用属性图（Property Graph）的形式来描述“关系”。那么下面我们来介绍一下属性图的方式。
属性图(Property Graph)的逻辑其实特别好理解，就是主体会和很多客体有关系，比如主体是一个普通人A的话，他会有手机号、会有性别、会有家人，这些就是他的客体。而他和他的手机号之间，就是“拥有”的关系、他和他的父亲，就是父子关系，这种关系就是主体和客体的关系。以上三种，主体、关系、客体，都可以有相应的属性。例如普通人A，属性可以是他的名字（也可以成为一种主客体关系）；他和他的手机号之间是拥有的关系，“拥有”关系可以有属性“何时拥有”、”如何拥有“等；手机号也可以有属性，比如归属的运营商名字等等。
这种同样描述主客体关系，但支持实体或关系拥有属性的方式，就称为属性图表示。

从知识到知识图谱

我们从知识的定义讲到了如何表示使用RDF定义单条知识，那么知识图谱的具体形象就呼之欲出了，知识图谱就是有多条知识组成的树状或网状结构，总体来说是图的结构。
主体必须唯一确定，谓语需要清楚描述，客体可以是另一条“子知识“也可以是字面量（也就是带数据类型的纯文本）。
以下是一个使用RDF描述的知识图谱，可以看到其通过RDF标准来表示出了单条的知识以及总体的关系：

以下是一个由属性图来表示的知识图谱，注意其支持实体或关系拥有属性，而RDF形式的就不支持：

其实更严谨地说，这两种不同的描述关系的方式，其实也是代表了两种知识图谱的存储方式：

• 基于RDF存储的形式
  • 存储三元组(Triple)
  • 标准的推理引擎
  • W3C标准
  • 易于发布数据
  • 多数为学术界场景
• 基于图数据库的存储
  • 节点和关系可以带有属性
  • 没有标准的推理引擎
  • 图的遍历效率高
  • 事务管理
  • 基本为工业界场景

知识图谱的作用

知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出，主要是用来优化现有的搜索引擎。 不同于基于关键词搜索的传统搜索引擎，知识图谱可用来更好地查询复杂的关联信息，从语义层面理解用户意图，改进搜索质量。
从这个概念上来说，知识图谱主要解决的问题是一个复杂关联信息的查询和表示。那么我们来看看它的应用需求应该是如何的，换句话说，就是什么样的情况下，我们可以考虑采用知识图谱：

简单方式处理

• 对可视化需求不高
• 很少涉及到关系的深度搜索
• 关系查询效率要求不高
• 数据缺乏多样性
• 暂时没有人力或者成本不够

选择知识图谱

• 有强烈的可视化需求
• 经常涉及到关系的深度搜索
• 对关系查询效率有实时性要求
• 数据多样化、解决数据孤岛问题
• 有能力、有成本搭建系统