知识图谱总结（一）概念篇

参考知乎教程：知识图谱–给AI装个大脑
本文的一切环境配置都是在Windows10平台
机器学习是学习能力强的小孩。
知识图谱是经验丰富的老人。

一、知识图谱概念
1.语义网络(Semantic Network)
与语义网不是同一概念，需要注意。
语义网络由相互连接的节点和边组成，节点表示概念或者对象，边表示他们之间的关系。

在表现形式上，语义网络和知识图谱相似，但语义网络更侧重于描述概念与概念之间的关系，（有点像生物的层次分类体系——界门纲目科属种），而知识图谱则更偏重于描述实体之间的关联（人：概念，罗纳尔多：实体）。
语义网络的优点：容易理解和展示。相关概念容易聚类。
语义网络的缺点：节点和边的值没有标准，完全是由用户自己定义。多源数据融合比较困难，因为没有标准。无法区分概念节点和对象节点。无法对节点和边的标签(label，我理解是schema层，后面会介绍)进行定义。

2.语义网（Semantic Web）
从链接文本到链接数据（Linked Data）。用更丰富的方式表达数据背后的含义，让机器能够理解数据，并让这些数据连接，组成一个庞大的信息网络。语义网是一种智能网络，它不但能够理解词语和概念，而且还能够理解它们之间的逻辑关系，可以使交流变得更有效率和价值。
RDF、RDFS/OWL是语义网技术栈。
RDF的引入解决了语义网络部分缺点。比如定义is-a关系。
EG3.
猫 rdf:type 哺乳动物
熊 rdf:type 哺乳动物
存在问题：如果和区分概念和对象（类似于JAVA编程中类和对象的关系）。
EG4.男人：概念；贝克汉姆：对象。
可以使用RDFS/OWL解决这个问题。
EG5.
用RDFS声明一个类：哺乳动物 rdf:type rdfs:Class
用RDFS声明一个子类： 熊 rdf:type rdfs:Class
熊 rdfs:subClassOf 哺乳动物
用RDFS声明一个实例： 熊 rdf:type 哺乳动物

3.链接数据（Linked Data）
起初是用于定义如何利用语义网技术在网上发布数据，其强调在不同的数据集间创建链接。链接数据也被当做是语义网技术一个更简洁，简单的描述。当它指语义网技术时，它更强调“Web”，弱化了“Semantic”的部分。对应到语义网技术栈，它倾向于使用RDF和SPARQL（RDF查询语言）技术，对于Schema层的技术，RDFS或者OWL，则很少使用。链接数据应该是最接近知识图谱的一个概念，从某种角度说，知识图谱是对链接数据这个概念的进一步包装。

4.知识图谱
语义网和语义网络都是知识图谱的前身，知识图谱没有明确的定义，是由一些相互连接的实体以及它们的属性组成，也就是由一条条知识组成，每一条知识表示为一个SPO（Subject-Predicate-Object）三元组。

Eg1.

在知识图谱中，用RDF（Resource Description Framework）形式化地表示这种三元关系。RDF图有三种类型，分别是：IRIs（国际化资源标识符）,blank nodes和literals。
（1）IRI:可以看做是URI或者URL的泛化和推广，它在整个网络或者图中唯一定义了一个实体/资源，和我们的身份证号类似。（EG.www.kg.com/person/1 定义的是罗纳尔多）
（2）Literal：字面量，我们可以把它看做是带有数据类型的纯文本，比如我们在第一个部分中提到的罗纳尔多原名可以表示为"Ronaldo Luís Nazário de Lima"^^xsd:string。
（3）blank node：简单来说就是没有IRI和literal的资源，或者说匿名资源。编者认为blank node的存在有点多余，不仅会给对RDF的理解带来额外的困难，并且在处理的时候也会引入一些问题。通常更愿意用带有IRI的node来充当blank node，行使其功能。
SPO每个部分的类型约束：
（1）Subject可以是IRI或blank node。
（2）Predicate是IRI。
（3）Object三种类型都可以。
Eg2.罗纳尔多的中文名是罗纳尔多.路易斯.纳扎里奥.达利马
RDF关系图:

"www.kg.com/person/1"是一个IRI，用来唯一的表示“罗纳尔多”这个实体。"kg:chineseName"也是一个IRI，用来表示“中文名”这样一个属性。"kg:"是RDF文件中所定义的prefix，prefix在之后总结。
更明确的定义：知识图谱是由本体（Ontology）作为Schema层，和RDF数据模型兼容的结构化数据集。（本体：概念和关系的形式化描述，分别指实体的类层次和关系层次）
EG.
www.kg.com/person/1 rdf:type kg:Person.
IRI：Person类的一个实例对象
以上RDF语句：罗纳尔多是一个人。
关系：

EG.
罗纳尔多的全名是罗纳尔多.路易斯.纳扎里奥.达利马。（数据属性：罗纳尔多，全名）
www.kg.com/person/1 kg:fullName “Ronaldo Luís Nazário de Lima”^^xsd:string
定义好的关系 数据的格式
罗纳尔多出生在里约。（对象属性：罗纳尔多，里约）
www.kg.com/person/1 kg:hasBirthPlace www.kg.com/place/10086

5.RDF、RDFS/OWL
(1)RDF知识图谱的基石
RDF(Resource Description Framework)，即资源描述框架，其本质是一个数据模型（Data Model）。上文已经有了部分介绍。
RDF序列化的方式主要有：RDF/XML，N-Triples，Turtle，RDFa，JSON-LD等几种。主要用到的是
(A)N-Triples，即用多个三元组来表示RDF数据集，是最直观的表示方法。在文件中，每一行表示一个三元组，方便机器解析和处理。开放领域知识图谱DBpedia通常是用这种格式来发布数据的。
EG.

(B)Turtle, 比RDF/XML紧凑，且可读性比N-Triples好。
用Turtle表示的时候我们会加上前缀（Prefix）对RDF的IRI进行缩写。
EG.

同一个实体拥有多个属性（数据属性）或关系（对象属性），我们可以只用一个subject来表示，使其更紧凑。我们可以将上面的Turtle改为：

即，将一个实体用一个句子表示（这里的句子指的是一个英文句号“.”）而不是多个句子，属性间用分号隔开。
（2）RDF的衣服:RDFS/OWL
如果我们是在数据库中来表示人和地点这两个类别，那么为他们分别建一张表就行了；再用另外一张表来表示人和地点之间的关系。RDFS/OWL本质上是一些预定义词汇（vocabulary）构成的集合，用于对RDF进行类似的类定义及其属性的定义。

（A）轻量级的模式语言–RDFS（Resource Description Framework Schema）
我们在概念、抽象层面对RDF数据进行定义。下面的RDFS定义了人和地点这两个类，及每个类包含的属性。

rdfs:Class. 用于定义类。rdfs:domain. 用于表示该属性属于哪个类别。rdfs:range. 用于描述该属性的取值类型(int,string)。rdfs:subClassOf. 用于描述该类的父类。比如，我们可以定义一个运动员类，声明该类是人的子类。rdfs:subProperty. 用于描述该属性的父属性。比如，我们可以定义一个名称属性，声明中文名称和全名是名称的子类。
EG.

下图帮助理解RDFS，最上层即位Schema层：

Data层是我们用RDF对罗纳尔多知识图的具体描述，Vocabulary是我们自己定义的一些词汇（类别，属性），RDF(S)则是预定义词汇。从下到上是一个具体到抽象的过程。图中我们用红色圆角矩形表示类，绿色字体表示rdf:type，rdfs:domain，rdfs:range三种预定义词汇，虚线表示rdf:type这种所属关系。另外，为了减少图中连线的交叉，我们只保留了career这一个属性的rdf:type所属关系，省略了其他属性的此关系。

(B)RDFS的扩展OWL（Web Ontology Language）
OWL两个主要功能：提供快速、灵活的数据建模能力。高效的自动推理。
利用OWL进行数据建模，用OWL对罗纳尔多知识图进行语义层的描述：


下图帮助理解OWL：

数据属性用青色表示，对象属性由蓝色表示。
部分词汇：
描述属性特征的词汇
owl:TransitiveProperty. 表示该属性具有传递性质。例如，我们定义“位于”是具有传递性的属性，若A位于B，B位于C，那么A肯定位于C。
owl:SymmetricProperty. 表示该属性具有对称性。例如，我们定义“认识”是具有对称性的属性，若A认识B，那么B肯定认识A。
owl:FunctionalProperty. 表示该属性取值的唯一性。 例如，我们定义“母亲”是具有唯一性的属性，若A的母亲是B，在其他地方我们得知A的母亲是C，那么B和C指的是同一个人。
owl:inverseOf. 定义某个属性的相反关系。例如，定义“父母”的相反关系是“子女”，若A是B的父母，那么B肯定是A的子女。
本体映射词汇（Ontology Mapping）
owl:equivalentClass. 表示某个类和另一个类是相同的。
owl:equivalentProperty. 表示某个属性和另一个属性是相同的。
owl:sameAs. 表示两个实体是同一个实体。
本体映射主要用在融合多个独立的Ontology（Schema）。
EG.
张三自己构建了一个本体结构，其中定义了Person这样一个类来表示人；李四则在自己构建的本体中定义Human这个类来表示人。当我们融合这两个本体的时候，就可以用到OWL的本体映射词汇。回想我们在第二篇文章中提到的Linked Open Data，如果没有OWL，我们将无法融合这些知识图谱。

OWL的推理能力：
主要研究基于本体的推理：
加入支持OWL推理的推理机（reasoner），就能够执行基于本体的推理了。
EG.
我们用RDFS定义人和动物两个类，另外，定义人是动物的一个子类。此时推理机能够推断出一个实体若是人，那么它也是动物。OWL当然支持这种基本的推理，除此之外，凭借其强大的表达能力，我们能进行更有实际意义的推理。
EG.
有一个庞大数据库存储人物的亲属关系。里面很多关系都是单向的，比如，其只保存了A的父亲（母亲）是B，但B的子女字段里面没有A，如下表。

用inversOf来表示hasParent和hasChild互为逆关系，上面的数据可以表示为：

绿色的关系表示是我们RDF数据中真实存在的，红色的关系是推理得到的。