知识图谱入坑

比较大的开放知识图谱：

中文百科类：

• CN-DBPedia，http://shuyantech.com/api/cndbpedia/ment2ent?q=词语
• ZhiShi.me
• ownthink，https://github.com/ownthink/KnowledgeGraphData 非常大，8G多，用csv存的

知识图谱的核心作用：

• 确定了实体。有益于多个方面：分词会更准确，本体更加明确（消除了语言多样性带来的干扰）
• 找出实体间的关系。这种对关系的明确定义是非常有意义的，因为在没有知识图谱的检索中通常靠字面的相似读进行检索（顶多加个近义词啥的），词和词之间的关系模型并不知道。句法分析也存在很多局限，一个是准确率提不上，二是很多时候人们的输入根本不是一句连贯的话;
• 融合不同文档中的知识。我们在建知识图谱的时候很少就揪着一个文档建图谱，一个文档里对词语的描述可能不全，多了就全了，丰富了

所以知识图谱相较于普通的检索，重点就是知识图谱有了结构化的、明确的知识。

知识图谱要能精准回答也能做推理

本体的构建过程（手动）：

• 确定本体的领域和范围
• 考虑重用现有本体
• 列出本体中的重要术语
• 定义类和类的继承：
  • 确保类的继承正确;
  • 分析继承结构中的兄弟类;
  • 引入新类的时机
  • 新类或属性值的取舍;
  • 实例或类的取舍;
  • 范围限制；
  • 不相交的子类
• 定义属性和关系。属性是：一个类的内在属性，关系可以看作一个类的外在属性。
  • 逆属性/关系
  • 缺省属性值
• 定义属性的限制。属性的类型、值域
• 创建实例

本体的构建过程（自动）：

方法一：基于规则的本体学习

• 人工写模板规则抽取本体

优点：利用专家知识写抽取模板；

缺点：规则不足，规则冲突，不好扩展

方法二：基于机器学习的本体学习

• 将本体学习转化为机器学习中的分类或序列标注问题
• 选取特征和学习模型，进行训练，学习得到本体

优点：效率高，自动化

缺点：学习模型通用性和学习效果存在矛盾

Protege是常用的本体管理工具

从关系型数据库中抽取知识，对应关系

• 表－>类
• 列－>属性
• 行－>实例
• 单元－>属性值
• 外键－>关系

抽取标准：

• Direct Mapping
• R2RML映射语言：输入是数据库表、视图、SQL查询；输出：三元组

抽取工具：

• D2R
• Virtuoso
• Oracle SW
• Morph

关系抽取

中文公开语料库：FewRel。

• FewRel 网站地址：https://thunlp.github.io/fewrel.html
• 论文地址：http://aclweb.org/anthology/D18-1514

属性图和RDF图

定义：RDF图中节点没有属性，例如：小明的年龄１８岁，小明是一个节点，１８岁是一个节点，两个节点之间的关系是年龄（只是示意）；属性图中节点拥有属性，同样的例子里，小明是个节点，１８岁是小明节点的年龄属性。

相较于ＲＤＦ，属性图的可扩展性不强，例如我要在知识图谱里添加“１８岁以下是未成年”，那么在属性图中，１８岁只是个属性，跟节点无法关联起来。但在ＲＤＦ图中，可以灵活地添加，因为在ＲＤＦ图中１８岁是一个节点，可以轻松地跟“未成年”连起来。另外，记录neo4j（用的属性图）中的一个坑：如果两个节点名称一样，但是属性不一样，例如节点Ａ：小明１８岁，就读于ＸＸ高中，节点Ｂ小明１８岁，请注意节点Ａ和节点Ｂ是两个不同的小明。如果你认为节点Ａ有三个属性（name,age,school),节点Ｂ有两个属性（name,age)，那么在neo4j中，你大概率要踩雷：如果你检索MATCH (n:{name:"小明",age:"18岁"}) RETURN n，那么会返回给你两个节点，惊不惊喜，意不意外。我的解决方法是给节点Ｂ也加个属性school，赋值为空。所以，如果你想要在属性图中给某一个实体加个属性的话，那么你还需要更新一下整个图谱里该类型的所有实体。当然，这只是一个小问题，因为如果出现这种情况，只能说明schema没有设计好。

从形式上思考，ＲＤＦ可以把知识打得更碎，自然更加灵活，属性图则是以较小的单元将知识组合起来。没有哪个好哪个不好，只有哪个语言适合哪个场景。

查询语言

• SPARQL：RDF图数据的标准查询语言。Apache Jena
• Cypher：属性图查询语言。neo4j里面用的查询语言，支持嵌套查询、条件查询，可视化界面好看。缺点是查询能力有限（满足日常查询功能是没问题的），有一个开源的openCypher是针对Cypher的改进。支持的其他数据库包括SAP HANA Graph、Redis Graph、AgensGraph、Memgraph
• Gremlin：属性图查询语言，应用较少，主要是因为如果要用的话，就需要对图非常了解，并且它的执行是从图中某个节点开始遍历图。