知识图谱构建综述

知识图谱构建综述

---

意义

传统的搜索引擎是通过用户输入的字符提取出关键词进行匹配，反馈的目的信息和知识没有经过逻辑和语义的判断和比较直接呈现给用户，在数据爆炸式增长的现在，无法精准的锁定用户的字符串中的语义信息而导致满意度逐步降低，而知识图谱就能很好的解决这一问题，知识图谱通过实现智能化的语义检索，能精准的定位目标信息。

定义

结构化的语义知识库，用于以符号的形式描述物理世界中的概念（实体）及其之间关系，基本组成单位：“实体-关系-实体”三元组和实体及其属性“值对”，实体间通过关系相互联结，构成网状的知识结构。

知识图谱构建架构

知识图谱自身的逻辑结构 和 构建知识图谱所采用的技术架构

知识图谱自身的逻辑结构

分为2个层次：数据层，模式层

数据层：知识以事实为单位结构化的存储在图数据库。以三元组的方式“实体-关系-实体”或者“实体-属性-性值”作为基本表达方式

模式层（核心）：存储的是经过提炼的知识。通常采用的本体库来管理知识图谱的模式层。

知识图谱技术构建架构

构建方式：自顶向下和自底向上的构建方式

构建流程：信息抽取，知识融合，知识加工

信息抽取：从各种类型的数据源中提取实体（概念），属性，以及实体间的相互关系

知识融合：对新获取的知识进行整合，消除矛盾和歧义。

知识加工：对融合的知识进行推理，知识评估。

下面详细分解构建步骤：

step1：信息抽取

包括：实体抽取、关系抽取、属性抽取

实体抽取：又称命名实体识别。从文本数据集中自动识别出命名实体

关系抽取：通过提取出来的实体来从相关语料中提取出实体之间的关联关系。

属性抽取：从不同信息源中采集特定实体的属性信息。

step2：知识融合

对获取的信息进行消歧和去冗余

包括：实体链接，知识合并

实体链接：对于从文本中抽取得到的实体对象，将其链接到知识库中对应的正确实体对象的操作。

实体链接

包括：搜索实体指称项，实体消歧，共指消解，链接到知识库中对应实体

搜索实体指称项：实体匹配知识库候选实体。

实体消歧：解决同名实体产生歧义问题的技术

共指消解：解决多个指称项对应于同一实体对象的问题

知识合并

包括：合并外部知识库，合并关系型数据库

知识加工

包括：本体构建，知识推理 ，质量评估

知识更新

参考文献

1.中国知网.知识图谱构建技术综述_刘峤