知识图谱 序

小时候，经常幻想能拥有一个可以与自己嬉戏玩耍的机器娃娃，她与我们一样，拥有思想，可以畅快的交流玩耍。

可是，如何使机器娃娃拥有和我们一样的思想呢？我们应该如何 传授她们知识呢？

答案就是 知识图谱。
我们可以通过知识图谱，将人类的知识 以 机器能够理解的方式，传授给他们，让他们可以向我们一样 说话，做事，解决问题。
当然，目前，要使 机器人 像 真正的 人类 一样处事，还存在很多的难题 需要攻克。但是，通过 传授 机器人 一些客观事实，从而使其做出符合人类预期的决策 已经成为可能。

一，那么如何搭建一个知识图谱呢？
在知识图谱的搭建中，有几个极其重要的概念需要阐述，分别是：语义网，元知识（知识框架），实例知识。
1，语义网 将 各种粒度的知识 通过不同的 逻辑关系 联系到了一起。相比 物理世界 的万物互联， 其是 知识领域 的 实体互联，事件互联，规则互联，理论互联。它的出现，直接打通了 机器 的任督二脉，将机器的认知模式 提升到了一个更接近人类的水准。
2，元知识 给出了 知识 的 概念，属性，极其与其紧密相关的 其他 知识。换言之，元知识 就像是 游戏世界 中 对怪兽的描述文本，通过它，可以了解 怪兽的种种属性，从而制定 打怪策略。
3，实例知识 是 相较于 抽象知识 而言的，他是 抽象知识 在 现实世界 的 体现。如：熊科动物 属于 抽象知识，而 大熊猫 就是 该 抽象知识 在 现实世界中的一个实例。

在搭建知识图谱时，我们 需要解决3个问题，即：0，知识的表示问题；1，知识的链接问题；2，知识的存储问题；
0，知识的表示法
目前，最常用的知识表示法 为 "三元组"法。“三元组法” 将 2个实体，以及二者之间存在的逻辑关系 定义为一条知识。其在数据库中以如下形式存储：<object1, relation, object2>。
1，知识的链接
单个的知识是无用的，只有将不同的知识 以 不同的逻辑关系 联系到一起，才具有实用价值。语义网的 出现，将 不同层级，类别的知识 整合到了一个 网络，通过有策略的遍历语义网，可是 辅助人类 实现 推理决策。
2，知识的存储
知识图谱 常被 存储在 图数据库 中，常用的图数据库有 Neo4j。

**解决了知识的表示，链接，存储等技术问题后，我们便可 搭建 知识图谱框架 或 称本体。**这里的知识图谱框架 是相对于 实例数据 而言，他给出了 不同层次的抽象概念 之间的 横向和纵向关联。
有了知识图谱框架（本体）后，我们便可将 实例数据 分门别类的 填充到 知识图谱框架中，从而完成知识图谱的构建。
需要指出的是，知识图谱框架 的 搭建往往是由 专业人士完成。
而 实例数据的采集，由于其 知识门槛 较低，可由 普通大众 完成。随着 信息提取 技术的发展，实例数据的采集 已经可以 由机器 自动采集完成。

二，知识图谱 构建类型
早期知识图谱，主要靠 专家 搭建，其工作 涉及 知识图谱框架（及本体）的搭建，以及 实例的采集。
后，由于知识表示的简化（三元组表示法），实例采集 的 知识门槛 降低，可由 普通大众 共同完成。
后，随着 信息提取技术 的日趋 成熟，目前，很多知识图谱实例采集 已经 采用 信息提取+人工校验 的方式进行。
随着市面上，大量 知识图谱的涌现，人们开始 在 垂直方向 和 水平方向 整合 不同的 知识图谱，从而 实现 知识互联。
除此以外，部分 知识图谱 提供了多语言支持，可以支持人们 以不同语种 访问 知识图谱，并给出其他语种相应的条目。

三，知识图谱构建和应用中存在的瓶颈
知识图谱的构建过程中，主要存在以下问题：
1，采用 人工方式 进行 实例采集，耗时耗力。而 信息自动化提取 精度有待提高。
2，构建的知识图谱中，存在很多知识缺失的现象，需要补齐。
3，目前，知识图谱 主要 存储 在 图数据库 中，对数据进行更新时（尤其大的节点），开销很大。
知识图谱的应用过程中，主要存在以下问题：
1，利用知识图谱进行逻辑推理时，制定的规则之间可能发生相互冲突。
2，将知识图谱运用于 深度推理决策 时，需要指定符合客观规律的规则，但是 “规则的制订” 需要对大量的客观事实进行归纳总结，目前受限于 信息提取技术的局限性，无法有效 归纳总结，提炼规律。

四，知识图谱 与 深度学习
在构建知识图谱时，需要采集大量的实例数据 对其 进行填充。目前，实例数据的采集 已经 由 人工采集 逐渐过渡到 信息自动化提取 阶段。所谓 信息提取，主要包含如下几类任务：实体识别，关系抽取，事件抽取。早期，信息提取主要通过 “统计机器学习方法”来实现，随着deep learning的发展，目前，越来越多的应用采用深度学习模型来进行信息提取。
深度学习除用于 信息提取外，还可用于 表示知识，通过 将知识表示为 一个 vector 或 matrix ，来 计算 不同 info 之间 所具备的各种逻辑关系，比如：给出一个实体，和 关系，求解另外 一个可能实体，relation<object1 , ?>。 又或者，给出 两个实体的数值表示，求解二者具备何种关系 , ?<object1 , object2>。

在接下来的几个章节中将分别概述 知识图谱构建 不同阶段 的 具体实现方法。