知识图谱小综述

概述

知识图谱，是结构化的语义知识库，用于迅速描述物理世界中的概念及其相互关系，通过将数据粒度从document级别降到data级别，聚合大量知识，从而实现知识的快速响应和推理。

在一项任务中，只要有关系分析的需求，知识图谱就“有可能”派的上用场。

将知识图谱理解成多关系图

知识图谱应用的前提是已经构建好了知识图谱

知识图谱的表示

当一个知识图谱拥有属性时，我们可以用属性图（Property Graph）表示。

除了属性图，知识图谱也可以用RDF来表示，它是由很多的三元组（Triples）来组成。

一、信息抽取

构建的前提是需要把数据从不同的数据源中抽取出来。对于垂直领域的知识图谱来说，它们的数据源主要来自两种渠道：一种是业务本身的数据，这部分数据通常包含在公司内的数据库表并以结构化的方式存储；另一种是网络上公开、抓取的数据，这些数据通常是以网页的形式存在所以是非结构化的数据。

信息抽取的难点在于处理非结构化数据。

大致由如下的步骤组成：

​ a. 实体命名识别（Name Entity Recognition） 这是一项相对比较成熟的技术，有一些现成的工具可以用来做这件事情。

​ b. 关系抽取（Relation Extraction）

二、知识融合

​ a.实体统一（Entity Resolution）比如“NYC”和“New York”表面上是不同的字符串，但其实指的都是纽约这个城市，需要合并。实体统一不仅可以减少实体的种