知识图谱【关键技术综述及未来面临的挑战】

定义与架构

• 定义：知识图谱是一种揭示实体之间关系的语义网络，可以对现实世界的事物及其相互关系进行形式化地描述。
• 三元组的基本形式：实体1，关系，实体2 或者 概念，属性，属性值
• 逻辑架构：在逻辑上可以分为模式层与数据层。数据层主要由一系列的事实组成，只是将以事实为单位进行存储；模式层构建在数据层之上。 

• 体系结构：指知识图谱的构建模式结构，有top-down，bottom-up（从一些开放链接数据中心提取出实体，选择置信度较高的加入到知识库，再构建顶层的本体模式。）两种构建方式，后者使用较多。

关键技术

• 知识抽取：从公开的半结构化、非结构化的数据中心提取出实体、关系、属性等知识要素；面向开放的链接数据，通过自动化技术抽取出可用的知识单元（包括3个知识要素实体（概念的外延）、关系、属性），并以此为基础，形成一系列高质量的事实表达，为上层模式层的构建奠定基础。
  • 实体抽取：也称命名实体学习或命名实体识别，从原始语料中自动识别出命名实体；实体是知识图谱中最基本元素，所以实体抽取是知识抽取中最为关键的一步。
    • 基于规则：通常需要为目标实体编写模板，然后在原始语料中进行匹配；需要大量的专家来编写规则或模板，覆盖的领域范围有限，很难适应数据变化的新需求。
    • 基于统计机器学习：通过机器学习的方法对原始语料进行训练，然后再利用训练好的模型去识别实体；单纯的监督学习算法在性能上受到训练集合的限制，而且算法的准确率与召回率不理想；将监督学习算法与规则相结合，取得不错的效果。
    • 面向开放域：面向海量的Web语料，给海量文本的实体做分类与聚类，【34】通过迭代方式扩展实体语料库（通过少量的实体实例建立特征模型，再通过该模型应用于新的数据集得到新的命名实体）【35】通过无监督学习的开放域聚类算法（用已知实体的语义特征去搜索日志中识别出命名的实体，然后进行聚类）。
  • 关系抽取：目标是解决实体间语义链接的问题，
    • 开放式实体关系抽取：