知识图谱构建流程详解

知识图谱构建

1. 主要流程

2. 层次划分

知识图谱建设是一项系统工程，从模块划分角度，可划分为如下层次：

• 数据获取：通过爬虫，内部CP等数据源获取数据，涉及到主要技术有网页抓取技术，包括结构化数据和非结构化数据抽取以及一些列爬虫相关工具链，产出的结果为原始数据
• 知识获取：旨在把原始数据变为领域知识的过程，本层涉及到的技术有schema建设，信息抽取技术如yago的三元组抽取技术。本层产出的结果为结构化的知识(实体以及其属性值，实体可能的关联等)，本层工具链建设包含：schema管理工具(schema完备性一致性检查工具)，知识抽取算法，知识对齐等
• 知识融合：第二层更多从领域的角度获取知识，本层更多从全局的角度出发，把相关的领域知识融合在一起，做到实体消歧，实体对齐，本层会在知识层面上输出一个图谱，工具链建设有实体消歧融合算法，schema融合算法等
• 知识服务：提供知识图谱可视化服务，存储查询，包括如何把知识图谱对外提供服务以及一些线上交互工具
• 应用技术：基于知识图谱的应用，包括知识推理、知识问答、实体链接等。每一块都是NLP领域的难点

五大模块从逻辑上比较独立，每层的评价标准不同工作量不同

可以加微信讨论：crazy042438