知识图谱基础

知识工程基本概念

前提知识

语义网络semantic web

语义网络是由Quillian于上世纪60年代提出的知识表达模式，其用相互连接的节点和边来表示知识。
节点表示对象、概念，边表示节点之间的关系。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1OSzFp5h-1591193957081)(attachment:image.png)]

语义网络的优点：

1. 容易理解和展示。

2. 相关概念容易聚类。

语义网络的缺点：

1. 节点和边的值没有标准，完全是由用户自己定义。

2. 多源数据融合比较困难，因为没有标准。

3. 无法区分概念节点和对象节点。

4. 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。

简而言之，语义网络可以比较容易地让我们理解语义和语义关系。其表达形式简单直白，符合自然。然而，由于缺少标准，其比较难应用于实践。

RDF

RDF的提出解决了语义网络的缺点1和缺点2，在节点和边的取值上做了约束，制定了统一标准，为多源数据的融合提供了便利。另外，RDF对is-a关系进行了定义，即，rdf:type（是rdf标准中的一个词汇，之后的文章会介绍）。因此，不管在哪个语义网络中，表达is-a关系，我们都用rdf:type，在语法上形成了统一。

- RDF表现形式

RDF(Resource Description Framework)，即资源描述框架，其本质是一个数据模型（Data Model）。它提供了一个统一的标准，用于描述实体/资源。简单来说，就是表示事物的一种方法和手段。RDF形式上表示为SPO三元组，有时候也称为一条语句（statement），知识图谱中我们也称其为一条知识，如下图。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wZujKAVa-1591193957083)(attachment:image.png)]
RDF由节点和边组成，节点表示实体/资源、属性，边则表示了实体和实体之间的关系以及实体和属性的关系

- RDF序列化方法

RDF的表示形式和类型有了，那我们如何创建RDF数据集，将其序列化（Serialization）呢？换句话说，就是我们怎么存储和传输RDF数据。目前，RDF序列化的方式主要有：RDF/XML，N-Triples，Turtle，RDFa，JSON-LD等几种。

1. RDF/XML
用XML的格式来表示RDF数据。
**原因**：XML的技术比较成熟，有许多现成的工具来存储和解析XML。
**缺点**：对于RDF来说，XML的格式太冗长，也不便于阅读，通常我们不会使用这种方式来处理RDF数据。

2. N-Triples
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。

3. Turtle, 应该是使用得最多的一种RDF序列化方式了。它比RDF/XML紧凑，且可读性比N-Triples好。

4. RDFa
即“The Resource Description Framework in Attributes”，是HTML5的一个扩展，在不改变任何显示效果的情况下，让网站构建者能够在页面中标记实体，像人物、地点、时间、评论等等。也就是说，将RDF数据嵌入到网页中，搜索引擎能够更好的解析非结构化页面，获取一些有用的结构化信息。

5. JSON-LD，即“JSON for Linking Data”，用键值对的方式来存储RDF数据。

turtle

Example

Example3 Turtle:

@prefix person: http://www.kg.com/person/ .
@prefix place: http://www.kg.com/place/ .
@prefix : http://www.kg.com/ontology/ .

person:1 :chineseName “罗纳尔多·路易斯·纳萨里奥·德·利马”^^string;
   :career “足球运动员”^^string;
   :fullName “Ronaldo Luís Nazário de Lima”^^string;
   :birthDate “1976-09-18”^^date;
   :height “180”^^int;
   :weight “98”^^int;
   :nationality “巴西”^^string;
   :hasBirthPlace place:10086.
place:10086 :address “里约热内卢”^^string;
   :coordinate “-22.908333, -43.196389”^^string.

（3）RDF表达能力 RDF能够表达罗纳尔多和里约热内卢这两个实体具有哪些属性，以及它们之间的关系。 但如果我们想定义罗纳尔多是人，里约热内卢是地点，并且人具有哪些属性，地点具有哪些属性，人和地点之间存在哪些关系，这个时候RDF就表示无能为力了。

**无法区分类和对象、无法定义概念属性**

RDFS

** 解决了缺点3**

用过Mysql的读者应该知道，其database也被称作schema。这个schema和我们这里提到的schema language十分类似。

我们可以认为数据库中的每一张表都是一个类（Class），表中的每一行都是该类的一个实例或者对象，表中的每一列就是这个类所包含的属性。

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。

例如：下面的RDFS定义了人和地点这两个类，及每个类包含的属性。

@prefix rdfs: http://www.w3.org/2000/01/rdf-schema# .
@prefix rdf: http://www.w3.org/1999/02/22-rdf-syntax-ns# .
@prefix : http://www.kg.com/ontology/ .

# 这里我们用词汇rdfs:Class定义了“人”和“地点”这两个类。
:Person rdf:type rdfs:Class.
:Place rdf:type rdfs:Class.

# rdfs当中不区分数据属性和对象属性，词汇rdf:Property定义了属性，即RDF的“边”。
:chineseName rdf:type rdf:Property;
      rdfs:domain :Person;
      rdfs:range xsd:string .

:career rdf:type rdf:Property;
      rdfs:domain :Person;
      rdfs:range xsd:string .

:fullName rdf:type rdf:Property;
      rdfs:domain :Person;
      rdfs:range xsd:string .

:birthDate rdf:type rdf:Property;
      rdfs:domain :Person;
      rdfs:range xsd:date .

:height rdf:type rdf:Property;
      rdfs:domain :Person;

:coordinate rdf:type rdf:Property;
      rdfs:domain :Place;
      rdfs:range xsd:string .

RDFS常用词汇

这里只介绍RDFS几个比较重要，常用的词汇：

1. rdfs:Class. 用于定义类。

2. rdfs:domain. 用于表示该属性属于哪个类别。

3. rdfs:range. 用于描述该属性的取值类型。

4. 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。

5. 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。

OWL

** 解决了缺点4**
OWL当做是RDFS的一个扩展，其添加了额外的预定义词汇。

OWL，即“Web Ontology Language”，语义网技术栈的核心之一。OWL有两个主要的功能：

1. 提供快速、灵活的数据建模能力。

2. 高效的自动推理。

使用owl进行建模

@prefix rdfs: http://www.w3.org/2000/01/rdf-schema# .
@prefix rdf: http://www.w3.org/1999/02/22-rdf-syntax-ns# .
@prefix : http://www.kg.com/ontology/ .
@prefix owl: http://www.w3.org/2002/07/owl# .

### 这里我们用词汇owl:Class定义了“人”和“地点”这两个类。
:Person rdf:type owl:Class.
:Place rdf:type owl:Class.

### owl区分数据属性和对象属性（对象属性表示实体和实体之间的关系）。词汇owl:DatatypeProperty定义了数据属性，owl:ObjectProperty定义了对象属性。
:chineseName rdf:type owl:DatatypeProperty;
     rdfs:domain :Person;
     rdfs:range xsd:string .

:career rdf:type owl:DatatypeProperty;
     rdfs:domain :Person;
     rdfs:range xsd:string .

:fullName rdf:type owl:DatatypeProperty;
     rdfs:domain :Person;
     rdfs:range xsd:string .

:birthDate rdf:type owl:DatatypeProperty;
     rdfs:domain :Person;
     rdfs:range xsd:date .

:hasBirthPlace rdf:type owl:ObjectProperty;
    &emsprdfs:domain :Person;
    &emsprdfs:range :Place .

OWL常用词汇

描述属性特征的词汇

1. 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。

2. 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。

3. 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。

4. 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。

OWL优势

知识图谱的推理主要分为两类：基于本体的推理和基于规则的推理。我们这里谈的是基于本体的推理。

我们加入支持OWL推理的推理机（reasoner），就能够执行基于本体的推理了。
RDFS同样支持推理，由于缺乏丰富的表达能力，推理能力也不强。

例如，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。

知识图谱

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(Ontology):本体是共享概念模型的明确的形式化规范说明。这个定义体现了本体的四层含义：概念模型、明确、形式化、共享。

• 概念模型：通过抽象出客观世界中一些现象的相关概念而得到的模型。

• 明确：所使用地概念及使用这些概念的约束都有明确的定义。

• 形式化：本体可通过各种形式化语言对其进行描述，最终是计算机可读、可操作的。

• 共享：本体中体现的是公认的知识，反映的是相关领域中公认的概念集。本体的目标是通过确定该领域内共同认可的词汇，达到对该领域知识的共同理解。

Perez等人利用分类法来组织本体，并归纳出以下5个基本的建模元语：

（1）类或概念：从语义上将，它表示的是对象的集合，其定义一般采用框架结构，包括概念的名称，与其他概念之间的关系的集合，以及用自然语言对概念的描述。

（2）关系：在领域中概念之间的相互作用，形式上定义为n维笛卡尔积的子集。在语义上关系对应于对象元组的集合。

（3）函数：一类特殊的关系，该关系的前n-1个元素可以唯一决定第n个元素。

（4）公理：代表永真断言，如概念乙属于概念甲的范畴。

（5）实例：代表元素，从语义上讲实例表示的就是对象。