知识图谱 (Knowledge Graphs, KGs) 已成为组织世界结构化知识的一种引人注目的抽象,并作为一种整合从多个数据源中提取的信息的方式。 知识图谱已经开始在表示使用自然语言处理和计算机视觉提取的信息方面发挥核心作用。 以 KG 表示的领域知识正在输入到机器学习模型中,以产生更好的预测。 我们在这篇博文中的目标是 (a)
解释 KGs 的基本术语、概念和用法,(b)
突出 KGs 的近期应用,这些应用导致其受欢迎程度激增,以及 (c)
将 KGs 置于整体 人工智能的风景。 在阅读更广泛的综述或关注有关该主题的研究研讨会之前,这篇博文是一个很好的起点。
知识图谱定义
有向标记图是一个 4 元组 G = (N, E, L, f),其中 N 是一组节点,E ⊆ N × N 是一组边,L 是一组标签,f: E→L,是从边到标签的分配函数。 将标签 B 分配给边 E=(A,C) 可以被视为三元组 (A, B, C) 并可视化,如图 1 所示。
知识图谱是有向标记图,其中我们将特定领域的含义与节点和边相关联。 任何东西都可以充当节点,例如人、公司、计算机等。边缘标签捕获节点之间的利益关系,例如,两个人之间的友谊关系,公司和人之间的客户关系,或 两台计算机之间的网络连接等。
有向标记图表示根据应用程序的需要以多种方式使用。 有向标记图,例如节点是人,边捕获父关系的有向标记图也称为数据图。 一个有向标记图,其中节点是对象的类别(例如,书籍、教科书等),并且边缘捕获子类关系,也称为分类法。 在某些数据模型中,给定一个三元组 (A,B,C),我们将 A、B、C 分别称为三元组的主语、谓语和宾语。
知识图谱用作应用程序存储信息的数据结构。 可以通过人工输入、自动化和半自动化方法的组合将信息添加到知识图谱中。 无论采用何种知识录入方式,都希望记录的信息易于被人类理解和验证。
图上的许多有趣的计算可以简化为导航它。 例如,在一个友谊 KG 中,要计算一个人 A 的朋友的朋友,我们可以将图从 A 导航到通过标记为朋友的关系连接到它的所有节点 B,然后递归到由 每个 B 的朋友关系。
知识图谱的最新应用
使用有向标记图作为存储信息的数据结构,以及使用图算法来操作该信息并不是什么新鲜事。 在计算机科学中,有向图表示有很多用途,例如,数据流图、二元决策图、状态图等。我们在这里考虑两个具体应用,它们导致最近知识图的普及激增 :通过互联网组织信息和企业中的数据集成。 在讨论这些应用程序时,我们还强调了知识图谱的使用方面的新变化和不同之处。
通过 Internet 组织知识
考虑 Google 搜索“Winterthur Zurich”,它返回图 2 左侧面板中显示的结果以及右侧面板中来自 Wikipedia 的相关部分。 右侧面板中显示的 Wikipedia 页面部分也称为信息框。
作为搜索结果的一部分,我们看到诸如 Winterthur 位于瑞士国家、海拔 430 米等事实。这些信息直接从 Winterthur 维基百科页