基于RDF的知识图谱管理

http://www.infoq.com/cn/articles/RDF-based-knowledge-graph-management?utm_source=articles_about_knowledge-map&utm_medium=link&utm_campaign=knowledge-map

大家好，我是来自明略数据的邵蓥侠。今天我跟大家分享的主题是基于 RDF 的知识图谱管理。本次分享主要包括三部分内容，分别是 RDF 的基础概念、RDF 的查询技术和 RDF 的存储技术。

RDF 的基础概念

在具体介绍 RDF 相关的内容之间，我们先简单介绍下知识图谱与 RDF 之间的关系。从 2010 年 Google 利用知识图谱优化了其搜索服务以来，知识图谱得到了迅速发展。无论是工业界还是学术界，都出现了各种各样的知识库。

上图展示了多个典型的代表，例如 Yago，freebase，DBpedia，musicBrainz，pubMend 等。这些知识图谱为各类智能应用带来了大量结构化知识，像 Google 的 knowledge graph 包含 700 亿个事实 (facts)。

为了灵活共享上述知识图谱，使其具有一定的可读性，同时保证机器也能够方便理解知识，事实上，大部分的开放的知识图谱，都是以 RDF 形式对外开放。

以 DBpedia 为例，其官方文档里有这么一段话，“DBpedia 以 RDF 作为一个灵活的数据模型用来表示抽取的信息，并发布到网上”。下图展示了 DBPedia 知识库中以 RDF 表示的知识样例。

RDF 全称为 Resource Description Framework，即资源描述框架。它最初是在语义网背景下设计出来，以三元组形式描述资源的一种数据模型。简单地，可以把 RDF 数据模型与关系数据库中的 Entity-Relationship 模型，或者面向对象语言中的类图等概念进行类比，都是对数据的一种抽象描述。

右图描绘出了 RDF 在整个语义网络技术栈中所处的位置，从中可以看出，RDF 主要负责数据交换，并通过 RDFS 能让机器理解网络中的数据真正的含义，而不仅仅是简单的字符串。

接下来介绍 RDF 相关的基础概念，也包括什么是 RDF，RDF 的结构和基于 RDF 的知识表示等三部分。

什么是 RDF？

首先，从 RDF 的命名我们可以清楚的理解 RDF 的内涵。

• R 代表 Resource，即资源，任何可以被唯一标识的对象，都可以称为资源。例如，网页、地点、人、事件、餐馆等；
• D 代表 Description，也就是说对资源的描述，包括资源属性的描述和资源间关系的描述；
• F 则是指 Framework，即 RDF 为资源描述提供了描述的语言和模型。

举个具体的例子，为了让机器知道“哈利波特的作者是 JK 罗琳”这个事实，RDF 则提供了一套语言和模型来描述哈利波特是一本书，JK 罗琳是一个人，两种之间是被创作关系等。综上，RDF 就是一套为描述资源属性和关系提供语法和模型的框架。

RDF 结构

RDF 为描述资源提供的基本元素有 IRI，字面值和空节点 (blank node)。IRI 就是一个符合特定语法的 UINICODE 字符串，如 

http://www.w3.org/1999/02/22-rdf-syntax-ns#HTML， 

跟 URL 的形式比较类似。其实 URL 属于 IRI 的一种。

字面值可以理解为像时间、人名、数字等常量的表示，由字符串和表示数据类型的 IRI 构成。例如数字 1 的字面值可以表示为"1"^^xs:integer，其中 xs:integer 是表示整型数据类型的 IRI。

空节点是指没有 IRI 的匿名节点。一般是 RDF 内部使用的一个特殊结构，不可被引用。

RDF 中对资源的一个描述称为陈述 (statement)，一般用 Subject-Predicate-Object(SPO) 三元组 (triple) 表示。

其中，subject 的取值可以为 IRI，blank node; predicate 取值为 IRI，object 的取值则是 IRI，blank node 和 predicate。

例如，“a person named Eric Miller”在 RDF 中基本形式为 (xs1:me, xs2:fullName, “Eric Miller”)。

一个 RDF 数据集由一组相关的三元组的组成。由于这个三元组集合可以抽象为一张 graph，因此也称为 RDF graph。