知识图谱赵军学习笔记（八）--知识存储和检索

知识存储和检索

知识图谱是一种有向图结构，描述了现实世界中存在的实体、事件或者概念以及他们之间的关系。图中的节点表示实体、事件或者概念，图中的边表示相邻节点的关系。

知识图谱的存储

1. 基于表结构的存储
   利用二维的数据表对知识图谱中的数据进行存储。根据不同的设计原则，可以具有不同的表结构，比如

• 三元组表
  如jena等，优点是简单直接，易于理解，
  缺点是：
  • 整个知识图谱都存储在一张表中，导致单表的规模太大。
    相应的插入，删除，查询，修改的操作开销也大。对实用性大打折扣。
  • 复杂查询在这种存储结构上的开销巨大
    复杂查询拆分成若干个简单查询的操作，降低了查询的效率。
• 类型表
  为每个类型构建一张表，同一类型的实例放在相同的表中。每一行存实例，每一列代表实体的一个属性。
  缺点：
  • 大量数据字段的冗余存储
    假如实例又是物理学家又是数学学家，那么同属于这两个类别的实例会同时存储在这两个表中，共有属性会重复存储。
  • 大量的数据列为空值
    解决的方法可以是特有属性拿出来，保存在上一级类型对应的数据表中，下级表继承上级表的所有属性。
    缺点：
  • 查询时必须指明属性或者关系，无法做到不确定属性或关系查询
  • 表和具体类型对应，不同类型的数据具有不同的结构，查询时也要知道目标对象的类型才能确定查找的数据表。
  • 查询不同类型的实体，需要多表的链接，开销巨大
  • 丰富实体类型的，要建大量的数据表。
• 关系数据库
  关系数据库通过属性对现实世界中的事物进行描述。一行一个记录，一列表示一个属性。
  • 候选集
    能够唯一标识一条记录的最少的属性集合
  • 主键
    一个数据库包含多个候选集，从中任意选取一个为主键。
  • 外键
    数据表中的某个属性或属性组是其他表的候选集，那么为该表的外键。
  • 主属性与非主属性
    包含在任何候选键中的属性为主属性，不包含在任何候选键中的属性为非主属性。
    对知识图谱的操作要转为SQL语句执行。

2. 基于图结构的存储
   基于图的能直接反应图谱的内部结构，有利于知识的查询。也可以借鉴图的算法，有利于知识的深度挖掘与推理。

• 基于图结构的存储模型
  从实体出发
  优点
  • 利用有向图对知识图谱的数据进行建模
  • 不仅可以为节点定义属性，还可以为边定义属性
• 常用图数据库
  neo4j：开源、高性能，轻量
  orientDB
  infogrid
  hypergraphdb
  infiniteGraph

知识图谱的检索

常见形式化查询语言

关系库：SQL
图数据库：SPARQL

• SQL语言
  • 数据插入
    insert into 表名 values (值1，值2，…)[,(值1，值2，…),…]
    值可以为多个
    如：
    insert into Triples Values (‘费米’，‘老师’，‘伯恩’)，(‘伯恩’,‘类型’,‘数学家’)
  • 数据修改
    update 表名 set 列1=值1，列2=值2，…where 条件
    where指定需要修改的记录，不然所有的都被修改
    update triples set O=‘1901’ where s=‘费米’ and P=‘出生日期’
  • 数据删除
    delete from 表名 where 条件
    delete from triples where s=‘奥本’ or o=‘奥本’
  • 数据查询
    查询结果存在一个临时的表中
    select 列1 ，列2 … from 表名 where 条件
    select S from P =‘类型’ and O =‘数学家’
• SPARQL语言
  为RDF数据开发的一种查询语言和数据获取协议
  • 数据插入
    insert data 三元组数据
    多条三元组用.分隔，已存在则忽略
    头实体相同的可用;分隔
    insert data {
    ns:伯恩 ns:类型 ns:数学家;
    ns：类型 ns:物理学家.
    }
  • 数据删除
    delete data 三元组数据
    删除三元组：
    delete data {
    ns：奥本 ns:类型 ns:物理学家.
    }
    删除奥本节点：
    delete where {
    ns:奥本 ？p ?o.
    ?s ?p ns:奥本.
    }
  • 数据更新
    更新RDF三元组中的值，只能删除在插入
  • 数据查询
    丰富的数据查询功能
    包括select、ask、describe、construct
    select:查询
    ask:测试是否存在
    describe:详尽资源的描述
    construct:生成RDF
    • select
      select 变量1 变量2 where 图模式 select ?s
      where {
      ?s ns:类型 ns:数学家.
      }
    • ask:
      ask 图模式
      ask {ns:伯恩 ns:类型 ?o.}
    • describe
      describe 资源或变量[where 图模式]
      describe ？s where {?s ns:类型 ns:数学家.}
    • construct
      针对每个变量取值，替换RDF图模板中的变量，生成三元组
      construct {
      ?s ns：搭档 ns:奥本.
      }
      where {
      ?s ns:老师 ns:伯恩 .
      }

图检索技术

1.子图筛选
图索引技术是实现子图筛选的有效方法。

• 基于路径索引
  基于路径索引是把图上所有长度小于某特定值的路径收集起来，并根据这些路径建立倒排索引.
• 基于子图的索引方法
  频繁项集
  频繁度是子图出现的次数

2.子图同构判定
枚举所有的同构子图