知识图谱学习与实践（3）——知识表示

构建知识图谱的时候，首先是要建立知识表达的的数据模型，也就是知识图谱整个的数据组织体系，主要是数据的分类及层次关系，还有属性及属性的关系。数据组织体系建立之后，我们就要考虑数据如何表达的问题，这种表达方式应该是既可以让人们容易理解，也要让计算机能够理解和使用。

1 Linked Data

在语义网的技术栈中，数据表示占了很大比重，按照语义网技术标准要求，所有的实体或属性数据都应该用URI/IRI来表示，除了文本描述的数据，所有数据都应该有一个统一的标识，标识的形式可以是XML、RDF、RDFS或者本体语言OWL，这些都说明数据表示是整个语义网的基础。

万维网之父，也是语义网的创始人，Tim Berners-Lee也一直呼吁建立互联的数据（Linked Data），还在TED上发表了演讲，演讲题目是raw data now，号召人们开放共享原始数据，让整个世界成为一个互通互联的世界。他的演讲既说明了数据共享的重要性，也说明了数据互联互通的重要性。

Tim Berners-Lee为了鼓励人们开放共享数据，制定了Linked Data的五星规则，数据每加一颗星，这样的数据就更容易被得到和利用，能够增强数据的互联互通。

一星：以开放的协议提供到互联网上（不论什么格式），称为开放数据

二星：能够被机器识别的结构化数据（比如excel，而不是表格的扫描图片）

三星：非专有格式（比如csv代替excel）

四星：加上以上要求，使用开放标准从W3C（RDF和SPARQL）到实体，让人们能够根据表述就能确定你所要表达的东西。

五星：满足以上所有要求，并且能够将你的数据与其他人的数据链接起来，提供上下文。

2 RDF

上面提到让数据互联互通，那么，数据以何种形式展示，才能更好的互联互通呢，知识图谱中，数据的展示形式就是RDF，RDF是应为Resource Description Framework的缩写，即资源描述框架，它可以看作是一个数据模型，也可以看作是表示数据的方法手段。

其中Resource，资源，顾名思义，是一种数据资源，可以是图片、视频，也可以是人、物或者概念等等，是用URI可以唯一标识的对象。

Description，描述，是对资源的描述，资源被IRI标识之后，我们能够确定资源，这个资源得内涵外延等具体的内容，还是需要资源的属性和关系来确定。描述就是对资源的属性和关系的内容。

Framework，框架，是描述资源的语言、语法和模型。

在RDF中，知识总是以三元组的形式出现，一条知识都是分解为主语（subject）、谓语（predicate）和宾语（object）的三元组（triple）来表示。

我们以维基百科里面的莎士比亚为例，来看一下RDF的表示方式，莎士比亚的作品有哈姆雷特，用RDF表示为：

https://www.wikidata.org/wiki/Q692   https://www.wikidata.org/wiki/Property:P800 https://www.wikidata.org/wiki/Q41567

其中https://www.wikidata.org/wiki/Q692是莎士比亚的URI，https://www.wikidata.org/wiki/Property:P800是notable work的URI

https://www.wikidata.org/wiki/Q41567是哈姆雷特的URI。

在维基数据里，关于莎士比亚的知识，都是通过这样的RDF，将一条条的知识汇聚起来，形成莎士比亚的知识卡片。以下是莎士比亚的知识卡片的一部分。

在实际的应用中，RDF还有几种序列化方法，也就是存储和传输RDF数据的具体实现形式，主要有RDF/XML，N-Triples，Turtle，RDFa，JSON-LD等。这些都是满足RDF规则的数据表现形式，各有特点，适于不同的应用场景。

XML格式技术成熟，存储和解析方便，但该格式比较冗长，不便于阅读，知识图谱很少使用这种格式来表示数据。N-Triples，比较直观简单，一行一个三元组表示一条知识，方便解析和处理，在知识图谱中应用较多。Turtle可以看作是N-Triples的全面版本，比N-Triples要复杂一些，但相对原始的RDF要简洁，语法规则也比较严谨清晰，在知识图谱中使用比较广泛。RDFa，RDF in Attributes，是将RDF数据嵌到网页中，对于前端显示没有影响，对于浏览器来说，能够在非结构化数据中较方便的提取结构化信息，有利于数据的获取和共享。JSON-LD，JSON for Linking Data，用键值对的形式存储RDF数据，也是为了网络数据的共享和传播。

和RDF一起使用的还有RDFS（RDF Schema），RDF表示的是数据层的内容，RDFS表示的是模型层的内容，RDFS为RDF数据提供一个类型系统，定义了数据的类型、子类型、属性、子属性、主语的范围、宾语的范围等信息，RDFS为数据定义了一个规则范围，RDF数据按照RDFS制定的规则组织数据。

3 OWL

OWL，不是猫头鹰，是Web Ontology Language，Web本体语言，是W3C制定一种适用于语义网使用的数据模型规范，它融合了哲学中的本体的概念，研究世界上的各种实体以及它们是如何关联的。OWL是对RDFS的一种扩展，弥补了RDFS在表达能力的一些缺陷。OWL也是遵循RDF规范的，比RDF更加严谨，丰富了属性以及属性约束，定义域、值域的约束等等。

OWL又分为OWL Lite、OWL DL和OWL Full三个子语言。OWL Lite是最简单的OWL，可以看作是OWL Full的简化版本。OWL DL在OWL Lite的基础上，包括了OWL的所有属性约束。OWL Full允许在预定义的词汇上增加词汇，导致逻辑蕴含不可判定。

OWL的新版本是OWL2，OWL2也有三个子语言，OWL2 QL、OWL2 EL和OWL2 RL，OWL2 QL代表Query Language，专为基于本体的查询设计，可以使用标准关系型数据库技术（例如SQL）来实现，仅需要依据公理扩展查询。OWL2 EL为概念术语描述、推理而设计，拥有一个具备相对表达力的类表达式语言，并且对类表达式如何可以用在公理中没有限制。应用在大型生物健康本体模型的构建中。OWL2 RL面向需要可扩展又不能牺牲太多表达能力的应用程序，被设计用来适应可以牺牲语言的完整表达力以换取效率的OWL2应用程序，以及需要一些来自OWL2的额外表达力的RDF（S）应用程序。

OWL和OWL2属于W3C推荐的语义网数据模型组织语言，结构严谨，逻辑全面，但在实际的企业级应用中较少使用，主要是因为OWL相对来说比较复杂，不如直接使用Turtle或者N-Triples来的方便。

参考资料

1 https://www.w3.org/DesignIssues/LinkedData.html

2 https://zhuanlan.zhihu.com/p/32122644

3 https://my.oschina.net/airship/blog/920020