知识图谱

KG

知识图谱的系统工程观
知识图谱从哪里来：实体关系抽取的现状与未来
刘焕勇 - 个人主页：KG 学习资料、工具、开源项目

难点：协调准确率和效率、平衡自动化方法和人工参与

• 知识图谱构建主要分为自顶向下(top‑down)与自底向上(bottom‑up)两种构建方式。
  自顶向下构建方式需要先定义好本体（Ontology或称为Schema），再基于输入数据（百科类网站等结构化数据源）完成信息抽取到图谱构建的过程。该方法更适用于专业知识方面图谱的构建，比如企业知识图谱，面向领域专业用户使用。
  自底向上构建方式 则是从开放的Open LinkedData中抽取置信度高的知识，或从非结构化文本中抽取知识，完成知识图谱的构建。该方式更适用于常识性的知识，比如人名、机构名等通用知识图谱的构建。
  
  

（〇）本体构建

• 通常有人工、自动和半自动这 3 种构建方法.
  半自动构建本体的方法,使用统计方法和无监督OpenIE方法得到本体知识,结合其他知识图谱的本体知识,在专家的指导下构建出了本体,并在众包半自动语义标注过程中进行了完善.
  

• 【1】 知识图谱本体层理解及利用Protégé进行知识图谱本体层(Schema)的构建

• 【2】 面向垂直领域的OpenIE图谱构建技术
  

语义标注

• 主要包括本体技术、自然语言处理等技术.
• 语义标注可以分为 手工标注、半自动标注 和 自动标注 三类.
  半自动标注是由标注人员指定网页或者网页中的文本片段,然后由标注人员选择合适的本体概念(或属性)或者由系统自动显示可选的本体概念(或属性),最后生成并保存语义标注结果.
• 语义标注可以分为 嵌入式存储 和 独立存储 两类.
  嵌入式存储方式是指将标注结果嵌入在原始网页中,标注格式可以是 JSON-LD、MicroData、RDFa等,例如 Google 的结构化数据标记辅助工具;
  独立存储方式 是指将标注结果保存在外部存储中,可以保存到文件中,也可以保存到数据库中,例如开源语义标注工具 Pundit,它可以对任何网页进行标注,标注结果将保存在标注系统后端的数据库中.

（一）信息抽取

信息抽取包括实体抽取、关系抽取和属性抽取.

特征选择

• 通过分词算法对文本中的词汇进行提取，TF-IDF算法进行特征选择

实体抽取的质量