知识图谱入门 Knowledge Graph 第一讲 概览

人的记忆偏重关联
Web:以链接为中心的系统
语义网：从链接文本到 链接数据

每个点都是一个对象，每条边都是对象之间的关系
知识图谱：2012由谷歌提出，连接在一起的不再是text，而是thing或者叫object
搜索出来的东西，不再仅仅是网页连接，而是一个个对象，与搜索的对象有明确的语义关系 语义分析，结构化搜索，FB的Graph Search
背后需要知识表示，知识库的支持
作用：辅助搜索、问答、辅助决策、常识推理
当深度学习遇到知识图谱，从感知、识别、判断进化到了思考、语言、推理

本质

• Web：语义搜索
• NLP：抽取语义和结构化数据
• KR：用计算机符号表示和处理知识
• AI：辅助理解人的语言
• DB：用图的方式存储知识

典型知识库项目

CYC 常识知识库 term+assertion
Wordnet:词典数据库，只要用于语义消歧
ConceptNet:常识知识库，三元组形式
Freebase:免费，允许商业化
Wikidata:目标是构建全世界最大的免费知识库
DBPedia:早期的语义网项目 30亿RDF三元组
Yago集成了Wikipedia, WordNet, GeoNames的数据，考虑了时间和空间知识， 1.2亿条三元组
Babelnet类似于WordNet，目标是解决多语种问题
NELL采用互联网挖掘的方法从WEB自动抽取三元组
微软Concept Graph以概念层次体系为中心的知识图谱
OpenKG.cn中文知识图谱资料库
zhishi.me

知识图谱的技术体系

把不同来源的数据通过各种技术手段（图中黑框字）形成知识图谱数据

• KBP: knowledge base population
• D2R: database to RDF (三元组 triple based assertion model)

知识表示

用计算机符号表示人脑中的知识，以及通过符号之间的运算来模拟人脑的推理过程。最早是基于数理逻辑，现在是基于向量空间学习的分布式知识表示

三元组 主谓宾RDF

RDF Graph

RDFS在RDF的基础上增加词汇量，增加约束
Class, subClassOf, type, Property, subPropertyOf, Domain, Range

OWL 基于RDFS
complex classes, property restrictions, cardianlity restrictions, property characteristics

SPARQL RDF的查询语言

知识图谱的分布式表示 KG Embedding

知识抽取 NLP+KR

抽取方法

• 正则
• 模板匹配
• 规则约束
• 知识挖掘
• SVM CRF LSTM
• 训练

知识存储

多为混合存储模型 关系型 非关系型 图存储

知识问答

KBQA knowledge-based question answering

基本流程

知识推理

知识融合

对不同数据集中的实体信息进行整合，形成更加全面的实体信息
典型工具：

• Dedupe
• LIMES

知识众包

Wikibase
Schema.ORG

典型案例

略