【知识图谱 赵军 学习笔记】第八章 知识存储和检索

知识图谱是一种 有向图结构，描述了现实世界中存在的实体、事件或者概念以及它们之间的关系。其中图的节点表示实体、事件或者概念，图的边表示相邻节点间的关系

知识图谱的存储

知识图谱中的知识是通过RDF结构进行表示的，其基本构成单元是事实。每个事实是一个三元组 (S,P,O) ，其中S是主语，其取值可以是实体、事件或者概念中的任何一个；P是谓语，其取值可以是关系或者属性；O是宾语，其取值可以是实体、事件、概念或者普通的值（e.g：数字、字符串等）

按存储策略的不同，可分为 基于表结构的存储 和 基于图结构的存储

基于表结构的存储

三元组表

优点：简单直接，易于理解

缺点：

• 整个知识图谱都存储在一张表中，导致单表的规模太大 $\Rightarrow$ 实用性太差
• 复杂查询在这种存储结构上开销巨大

类型表

为每种类型构建一张表，同一类型的实例存放在相同的表中，虽然可以克服了三元组表的不足，但有新的问题：① 大量数据字段的冗余存储 ； ② 大量的数据列为空值（这是由于并非每个实体在所有属性或关系上都有值）
解决办法： 在构建数据表时，将知识图谱的类别体系考虑进来，即 每个类型的数据表只记录属于该类型的特有属性，不同类别的公共属性保存上一级类型对应的数据表中，下级表继承上级表的所有属性

不足：

• 由于类型表的不同字段表示了不同的属性或者关系，导致在查询时必须指明属性或关系，无法做不确定属性或关系的查询
• 由于数据表示和具体类型对应的，不同类型的数据表具有不同的结构，因此在查询之前必须知道目标对象的类型才能确定查找的数据表
• 当查询涉及不同类型的实体时，需要进行多表的链接，这一操作开销巨大，限制了知识图谱对复杂查询的处理能力
• 知识图谱通常包含丰富的实体类型，因此需要创建大量的数据表，并且这些数据表之间又具有复杂的关系 $\Rightarrow$ 为数据的管理加大了难度

关系数据库

关系数据库以二维表对数据进行组织和存储，表的每一列表示一个属性，每一行表示一条记录。
每张表可以由任意数量的属性组成，这些属性按照各自的特点可以分为以下几类：

• 候选键
• 主键
• 外键
• 主属性和非主属性

常见的关系数据库：

• DB2
• Oracle
• Microsoft SQL Server
• PostgreSQL
• MySQL

基于图结构的存储

能够准确地反映知识图谱的内部结构，有利于对知识的查询

基于图结构的存储模型

节点表示实体，边表示实体之间的关系，其中节点可以定义属性，用于描述实体的特征，也可以为边定义属性

常用的图数据库：

• Neo4j
• OrientDB
• InfoGrid
• HyperGraphDB
• Infi