【知识图谱】知识表示与知识建模

一、早期知识表示简介

1、概述

人类心智区别于其它物种心智的重要特征：具有获取、表示和处理知识的能力。

知识表示 是一种为了让计算机可以接受的用于描述知识的数据结构。它是机器通往智能的基础，使得机器可以像人一样运用知识。特别是常识知识才能实现真正类人的智能

知识的特点：相对正确性、不确定性、可表示性以及可利用性。

2、知识分类

• 按作用范围分类：常识性知识、领域性知识；
• 按作用及表示分类：事实性知识、过程性知识、控制知识；
• 按确定性分类：确定性知识、不确定性知识；
• 按结构及表现形式分类：逻辑性知识、形象性知识；

3、早期知识表示方法

• 一阶谓词逻辑（First-Order Logic）
• 产生式规则（Production Rule）——专家系统
• 框架（Framework）
• 语义网络（Semantic Network）——以网络的方式来描述概念之间的语义关系
• 逻辑程序（Logic Programming）
• 缺省逻辑（Default Logic）
• 模态逻辑（Modal Logic）

（1）一阶谓词逻辑（First-Order Logic）

Horn逻辑：一阶谓词逻辑的子集

• 原子 Atom
  $$p(t_1,t_2,...,t_n)$$
  其中，$p$是谓词，$n$是目，$t_i$是项（变量或常量），eg：has_child(Helen, Jack)
• 规则 Rules ——由原子构建：
  $$H:-B_1,B_2,...,B_m.$$
  $H与B_1,B_2,...,B_m$是原子，$H$是头部原子，$B_1,B_2,...,B_m$是体部原子，eg：has_child(X,Y):-has_son(X,Y)
• 事实——没有体部且没有变量的规则：
  $$\begin{gathered} F(v_1,v_2,...,v_n):- \\ ha{s}_{c}hild(Helen,Jack):- \end{gathered}$$

描述逻辑：一阶谓词逻辑的可判定子集。用于描述概念、属性，为术语知识库的构建提供便捷的表达形式。

（2）产生式规则（Production Rule）

早起的专家系统多数是基于产生式系统的。以 IF-THEN 的形式，即产生式规则表示出来的。

产生式模型：
$$\begin{gathered} P\to Qor \\ \begin{array}{r}IFPTHENQCF=[0,1]\end{array} \end{gathered}$$

• 其中，$P$ 是产生式的前提，$Q$ 是一组结论或操作，$CF(CertaintyFactor)$ 为确定性因子，也称置信度。

特点：

• 优点：自然型好，易于模块化管理、能有效表示知识、知识表示清晰等；
• 缺点：效率不高、不能表达具有结构性的知识等。

（3）框架（Framework）

基本组成：

示例：

利用上述框架在知识库中匹配得到实例（对框架进行填充可得）。

（4）语义网络（Semantic Network）

基本形式：(节点1， 弧， 节点2)

• 节点：表示各种事物、概念、情况、属性、动作、状态等，每个节点可以带有若干属性，一般用框架或元组表示。此外节点还可以是一个语义子网络，形成一个多层次的嵌套结构。
• 弧：表示各种语义联系，指明它所连接的节点间某种语义关系。
• 节点和弧都必须带有标示，来方便区分不同对象以及对象间各种不同的语义联系。

特点：

• 优点：结构性、联想性、自然性；
• 缺点：非严格性、处理上的复杂性

示例：eg：“每个学生都读过一本书”

• 谓词逻辑表示：$(\forall s)学生(s)(\exists b)书(b)[读过(s,b)]$
• 语义网络表示：
  • 本质：将逻辑运算和逻辑项都映射为图中的元素。
    

二、基于语义网的知识表示框架

1、语义网（Semantic Web）

知识图谱中最关键的技术：RDF、SPARQL

下图为W3C推荐的语义网标准栈，其中RDF和SPARQL为网络数据链接部分。与此同时，W3C还推出五星级标准，规定了RDF为标准数据格式，URI标准为事物命名等规范。

2、RDF

（1）RDF概念

RDF：Resource Description Framework（资源描述框架）

• Resource：页面、图片、视频等任何具有URI标识符；
  • URI：http://mydomain.org//mypath//myresource
• Description：属性、特征和资源之间的关系；
• Framework：模型、语言和这些描述的语法。

在RDF中，知识总是以 三元组（triple）模型 形式出现的，即每一份知识可以被分解为如下形式：
(subject(主), predicate(谓), object(宾))，同时在RDF中资源和属性都可以被URI唯一标识。

（2）基本示例

示例1：CCF ADL邀请王昊奋作为讲者，演讲主题是知识图谱。

• RDF形式：

  (CCF ADL, speaker, Haofen)
  (CCF ADL, theme, KG)
  

• 图模型形式：(vertex, edge, vertex)
  • 下面左图为利用URI表示的结果，右图为利用命名空间定义前缀的结果。
    

示例2：RDF中的属性值同时也可以是一个文字，如字符串/数值 或 XML datatype类型。（它们不是一个Resource）。

• 左图：CCF ADL邀请王昊奋作为讲者，演讲主题是知识图谱。，此处知识图谱为字符串。
• 右图：CCF ADL has one speaker Haofen and last 3 hours.，其中"3"后面为其类型约束，即整型。
  

（3）RDF空白节点（Black Nodes）

空白节点：

• RDF允许空白节点；
• 一个资源可以是匿名的；
• 即不被URI标识，并标识为 _:xyz

eg：Haofen是某一次KG讲座的讲者（并不关心是什么讲座）

（4）RDF是数据类型，不是序列化格式

RDF序列化格式之间的关联：

• RDF/XML格式：适合小数据的存储与交换

<rdf:RDF
  xmlns:ex-schema=http://ex.org/schema#>
  <rdf:Description rdf:about="http://ex.org/ccf_adl">
    <ex-schema:speaker rdf:resource="http://ex.org/haofen"/>
    <ex-schema:theme rdf:resource="http://ex.org/KG"/>
  </rdf:Description>
</rdf:RDF>

• N-Triples格式

<http://ex.org/ccf_adl>
	<http://ex.org/schema#speaker>
	<http://ex.org/haofen>.

<http://ex.org/ccf_adl>
	<http://ex.org/schema#theme>
	<http://ex.org/KG>.

• Turtle格式

@prefix ex:<http://ex.org>.
@prefix ex-schema:<http://ex.org/schema#>
	ex:ccf_adl
	ex-schema:speaker ex:haofen;
	ex-schema:theme ex:KG.

（5）开放世界假设

RDF 是 开放世界假设；

• 封闭世界假设：没有定义则认为不存在。
• 开放世界假设：
• eg：(CCF ADL, speaker, Haofen)
  • 封闭世界假设==》CCF ADL讲座只有一位讲者；
  • 开放世界假设==》CCF ADL讲座至少有一位讲者；

（6）分布式的定义与合并知识

• RDF允许分布式地定义知识
  
• 分布式定义的知识可以自动合并
  • 若分布式存储 ex:haofen 的URI不一致，如何融合？？
    

（7）变种：带标注RDF

动机：如何扩展 RDF 用来表达更多信息

• 时间、不确定性、空间、信任等
• ==》带标注 RDF(S) ==》知识库：YAGO2

YAGO2：采用 annotated RDF 表示的知识库

• 语法形式：$(s,p,o):\lambda$
  • $\lambda$ 是一个标志
  • eg：(特朗普，就职，总统)：2017年1月

3、RDF Schema（RDFS）

（1）概述

RDFS在RDF基础上提供了一个术语、概念等的定义方式，以及哪些属性可以应用到哪些对象上。换句话说，RDFS为RDF模型提供了一个基本的类型系统。

示例：三元组表示用户自定义的元数据Author是Dublin Core的元数据Creator的子类。

<http://mymetadata.vocab.org/Author>
<rdfs: subClassOf > 
<http://purlorg/dc/elements/1.0/Creator>.

作用：RDFS通过这样的方式来描述不同词汇集的元数据之间的关系，为网络上统一格式的元数据交换提供便利。

（2）具体

RDF定义了如下几种词汇：

• Class、subClass、type、Property、subPropertyOf、Domain、Range

示例：

• 图中，data层 是对 schema层 的实例化，是由数据驱动的。
  

（3）基于RDFS的推理

基于 data层 和 schema层 可进行推理，如上下位的推理（如subClass），类别的判断等。

示例：

4、OWL和OWL2

RDF是有一定的表达缺陷，RDF不能表达复杂类。

（1）OWL简述

OWL Web Ontology Language包含三个子语言：OWL Lite、OWL DL、WOL Full。

（2）OWL词汇

• 等价性

OWL中的词汇	描述	示例
owl:equivalentClass	类等价	exp:运动员 owl:equivalentClass exp:体育选手
owl:equivalentProperty	属性等价	exp:获得 owl:equivalentProperty exp:取得
owl:sameIndividualAs	个体等价	exp:运动员A owl:sameIndividualAs exp:小明

exp 是命名空间 http://www.example.org 的别称。

• 传递性

OWL中的词汇	描述	示例
owl:TransitiveProperty	属性传递	exp:ancestor rdf:type owl:TransitiveProperty

exp:ancestor 是一个传递关系 exp:小明 exp:ancestor exp:小林； exp:小林 exp:ancestor exp:小志
那么根据上述声明，有 exp:小明 exp:ancestor exp:小志

• 属性相反

OWL中的词汇	描述	示例
owl:inverseOf	属性相反	exp:ancestor owl:inverseOf exp:descendant

exp:ancestor 与 exp:descendant 是互反关系
eg：exp:小明 exp:ancestor exp:小林，那么有 exp:小林 exp:descendant exp:小明

• 属性函数性

OWL中的词汇	描述	示例
owl:FunctionalProperty	属性函数性	exp:hasMother rdf:type owl:FunctionalProperty

exp:hasMother 是一个具有函数性的属性(只有一个)；因为每个人只有一个母亲。

• 属性对称性

OWL中的词汇	描述	示例
owl:SymmetricProperty	属性对称性	exp:hasMother rdf:type owl:FunctionalProperty

exp:小明 exp:friend exp:小林，那么有 exp:小林 exp:friend exp:小明

• 属性的局部约束：全称限定

OWL中的词汇	描述	示例
owl:allValuesFrom	全称限定	exp:Person owl:allValuesFrom exp:Women，exp:Person owl:onProperty exp:hasMother

exp:hasMother在主语属于exp:Person类的时候，宾语的取值只能来自exp:Women这个类。

• 属性的局部约束：存在限定

OWL中的词汇	描述	示例
owl:someValuesFrom	存在限定	exp:SemanticWebPaper owl:someValuesFrom exp:AAAI,exp:SemanticWebPaper owl:onProperty exp:publishedIn

exp:publishedIn在主语属于exp:SemanticWebPaper类的时候，宾语的取值部分来自exp:AAAI这个类。上面的三元组相当于：关于语义网的论文部分发表在AAAI上。

• 属性的局部约束：基数限定

OWL中的词汇	描述	示例
owl:cardinality	基数限定	exp:Person owl:cardinality “1”^^xsd:integer，exp:Person owl:onProperty exp:hasMother

exp:hasMother在主语属于exp:Person类的时候，宾语的取值只能有一个；“1”的数据类型被声明为xsd:integer；这是基数约束，本质上属于属性的局部约束。

• 声明相交的类

OWL中的词汇	描述	示例
owl:intersectionOf	相交的类	exp:Mother owl:intersectionOf _tmp，_tmp rdf:type rdfs:Collection，_tmp rdfs:member exp:Person，_tmp rdfs:member exp:HasChildren

_tmp是临时资源；它是rdfs:Collection类型，是一个容器；它的两个成员是exp:Person，exp:HasChildren；上述三元组说明exp:Mother是exp:Person，exp:HasChildren这两个类的交集。

• OWL其他词汇
  

（3）OWL2

OWL2 定义了一些 OWL 的子语言，通过限制语法使用，使得这些子语句能够更方便地实现，以及服务于不同的应用。

OWL2的三大子语言：

• OWL2 RL、OWL2 QL、OWL2 EL，家族树如下：
  

5、SPARQL简介

SPARQL 是 RDF的查询语言（i.e.基于RDF数据模型），可以针对不同的数据集撰写复杂的连接，它支持主流的图数据库。

SPARQL查询的基本构成：

• 变量，RDF中的资源，以 ? 或者 $ 来表示；
• 三元组模板 (triple pattern), 在 WHERE子句 中列示关联的三元组模板；之所以称之为模板,因为三元组中允许变量；
• SELECT子句 中指示要查询的目标变量。

# prefix declarations：for abbreviating URIs
PREFIX foo: <http://example.com/resources/>
...
# dataset defintion, stating what RDF graph(s) are being queried
FROM ...
# result clause:identifying what information to return from the query
SELECT ...
# query pattern:
WHERE {
	...
}
# query modifiers:slicing, ordering, and otherwise rearranging query results
ORDER BY ...

示例1：查询学生姓名、选修课程，以及他们的年龄；若有年龄，则年龄必须大于25岁。

• 涉及 OPTIONAL关键字、FILTER关键字

## 命名空间声明
PREFIX exp: http://www.example.org/
SELECT ?module ?name ?age
WHERE {
	?student exp:studies ?module .
	?student foaf:name ?name .
OPTIONAL {
	?student exp:age ?age .
FILTER (?age > 25)}
}

示例2：查询选修课程CS328或CS909的学生姓名以及邮箱，涉及 UNION关键字。

SELECT ?student ?email
WHERE {
	?student foaf:mbox ?email .
	{?student exp:studies CS328}
	UNION {?student exp:studies CS909}
}

注意：此处邮箱为必返回项，若没有邮箱值，则不返回该记录，注意与OPTIONAL区别。

示例3：查询选修课CS909的学生姓名以及邮箱和住址，涉及 FROM关键字，引入其他本体或可访问的知识库。

SELECT ?student ?email ?home
FROM <http://www2.warwick.ac.uk/rdf/student>
WHERE {
	?student exp:studies CS909 .
OPTIONAL {?student foaf:mbox ?email .
		  ?student foaf:homepage ?home .}
}

SPARQL查询语言与SQL很相似，定义了OPTIONAL、FILTER、UNION、FROM 等关键字，同时它支持嵌套查询，基于规则的查询.

6、JSON-LD 、RDFa、 HTML5 MicroData等新型知识表示

（1）JSON-LD

JSON-LD（JavaScript Object Notation for Linked Data），是一种基于JSON表示和传输互联数据 (Linked Data) 的方法。

• JSON-LD描述了如何通过JSON表示有向图，以及如何在一个文档中混合表示互联数据及非互联数据。
• JSON-LD的语法和JSON兼容。

示例：

• 一个JSON文本

// 表示一个人，具有名字、主页、照片
{ 
    "name": "Manu Sporny", 
    "homepage": "http://manu.sporny.org/", 
    "image": "http://manu.sporny.org/images/manu.PNG"
}

• 对应的JSON-LD文件：通过引入规范的术语表示，eg：统一化表示"name","homepage"和"image"的URI，使得数据交换和机器理解成为基础。

{
    "http://schema.org/name": "Manu Sporny", 
    "http://schema.org/url": { "@id":"http://manu.sporny.org/" }, 
    "http://schema.org/image": { "@id":"http://manu.sporny.org/images/manu.PNG" }
}

（2）RDFa

RDFa (Resource Description Framework in attributes）是网页标记语言，它扩充了XHTML的几个属性，网页制作者可以利用这些属性在网页中添加可供机器读取的资源，与RDF的对应关系使得RDFa可以将RDF的三元组嵌入在XHTML文档中，它也使得符合标准的使用端可以从RDFa文件中提取出这些RDF三元组来。

RDFa工作原理：

• 通过引入命名空间的方法在已有的标签中加入RDFa相应的属性来使得支持RDFa技术的浏览器或者搜索引擎可以解析到，从而达到优化的目的。

<div xmlns:dc="http://purl.org/dc/elements/1.1/" about="http://www.example.com/books/wikinomics">
    <span property="dc:title">Wikinomics</span>
    <span property="dc:creator">Mr right</span>
    <span property="dc:date">2006-09-02</span>
</div>

分析：上面的代码示例中用到了RDFa属性中的about属性和property属性，这段代码示例说明了一篇文章，然后描述了和这篇文章相关的信息，比如说标题，创建者和创建日期，而这些属性就可以使得支持RDFa的机器识别。

（3）HTML5 Microdata

• Microdata微数据，是在网页标记标记语言嵌入机器可读的属性数据；
• 微数据使用可以来自自定义词汇表、带作用域的键/值对给DOM做标记；
• 用户可以自定义微数据词汇表，在自己的网页中嵌入自定义的属性；
• 微数据是给那些已经在页面上可见的数据施加额外的语义。当HTML的词汇不够用时，使用微数据可以取得较好的效果。

示例：便于浏览器从网页上提取微数据实体、属性以及属性值。

7、RDF+SPARQL vs. ER+SQL

RDF：关系显示定义(语义存在于数据中)——数据变更较为方便(图增加边更为方便)，易于推理。
ER：关系隐式声明(语义存在于人脑中)——数据变更时，需要添加新表并修改原来的SQL语句。

数据的智能性

• ER+SQL：Dumb Data->Smart Application Code
• RDF+SPARQL：Smart Data->Uniform Inference Engine
  

三、典型知识库项目的知识表示

1、各种知识图谱项目

2、知识表示：多元关系

名称	多元关系表述
DBPedia	无考虑，可通过Blank Node等用多个三元组来表示
Freebase	CVT 复合类型节点
WikiData	Qualifier 或者 Reference
ConceptNet	将多元关系添加为边的属性

3、实用的知识表示

实用的知识表示的特点：

• 接近人的自然语言：好的KG是同时为机器和人设计的；
• 够用的表达能力：够用就好，不必苛求逻辑完备；
• 易于扩展：能够非常方便的增加新的类、实体和关系。

现状：RDF/OWL只是众多知识表示框架的一种，不少商业化的KG并未采用该框架，物理存储也是直接采用关系数据库实现，但基本表达要素都可在RDF/OWL中找到对应。

四、基于本体工具的知识建模实践

基于Protege本体工具的知识建模实践