第一章 概述

1.什么是知识图谱

       知识图谱是谷歌用来支持语义角度组织网络数据，从而提供智能搜索的知识库。是通用的语义知识的形式化描述框架，用结点表示语义符号，边表示符号之间的关系。

       用三元组形式描述和存储知识：如。

      知识图谱表示为 G={E,R,S}，其中E={e1,e2,···e|E|}表示实体集合，R={r1,r2,···，r|R|}表示关系集合。S⊆R×E×E表示三元组的集合。

       三元组描述一个事实，由头实体，尾实体和描述这两个实体之间的关系组成。有些关系也称为属性，相应地，尾实体称为属性值。从图结构看，实体是知识图谱的节点，关系是连接两个节点的有向边。

2.知识图谱发展历程

      知识库在人工智能和语义网领域的目标可以总结为知识的数据化（让计算机表示、组织和存储人类的知识）和数据的知识化（让数据支持推理、预测等智能任务）。

3.知识图谱类型

知识的分类：

        (1)根据知识的主客观性，分为事实性（客观性）知识和主观性知识（我认为）

        (2)根据知识的变化性质，分为静态知识（出生日期不变）和动态知识（美国总统变）。

        (3)领域知识，百科知识，场景知识（订机票的场景下的信息），语言知识（减肥和瘦身是同义词），常识知识（狗有四条腿）。

知识图谱分类：

        语言知识图谱：WordNet(由同义词集和描述同义词集之间的关系构成)，中文知网HowNet。

        常识知识图谱：Cyc（/ˈsaɪk/实体和关系以及支持推理的常识规则构成），ConceptNet（概念以及描述他们之间关系的常识构成）

        领域知识图谱：医学知识图谱SIDER，电影知识图谱IMDB

        百科知识图谱：Freebase、DBpedia、YAGO、Wikidata

       传统构建知识图谱的方法主要基于专家知识（众包数据），随着机器学习技术发展，许多知识图谱使用自动构建知识图谱的方法，如NELL、Knowledge Vault(Google 2014年创建的大规模知识图谱)

4知识图谱生命周期

 （1）知识体系构建：构建一个本体描述目标知识。核心即资源描述框架（RDF）,RDF包括三个对象类型：资源（Resource）、谓语（predicate）及陈述（statements）

      资源：能使用RDF表示的对象即资源、如实体、事件和概念。

      谓语：描述资源本身特征和资源之间关系。谓语可定义元数据（谓语头尾数据类型，与其它谓语关系）

      陈述：即RDF三元组<主体(subject)，谓语(predicate)，宾语(object)>。谓语可以表示主体属性，也可以表示主体与宾语之间关系，当谓语表示一个属性时，宾语就是属性值，当表示关系时，宾语就是一个资源。

 

（2）知识获取：从文本数据中通过信息抽取获取知识，构建三元组。

  ①结构化数据

        优点：置信度高，数据质量可靠；缺点：数据规模小，不容易获得。

②半结构化数据（具有一定层次和模式，但不能通过固定模板直接获得结构化数据）

        优点：置信度较高，规模比较大；缺点：样式多变且含有噪音，很难用人工模板抽取。

③非结构化文本数据（自然语言文本数据，如 “姚明1981年出生在上海”）

        从纯文本数据中获取知识称为文本信息抽取，包括如下基本任务：实体识别、实体消歧、关系抽取以及事件抽取。

        实体识别：从文本中识别实体，确定实体的前后边界，确定实体的类别。（姚明，人名）

        实体消歧：消除指定实体的歧义。（李娜是打网球的李娜，不是跳水的李娜；孙悦是唱歌的孙悦，不是打篮球的孙悦）。实体消歧的任务分为实体链接和实体聚类。实体链接就是将一个实体指称项链接到知识图谱的一个已有实体上。实体聚类假设知识图谱中没有已确定的实体，在给定语料库的前提下，通过聚类使相同所指的实体指称项被聚为同一类别。

        关系抽取：获取两个实体之间的语义关系。语义关系可以是一元关系（实体的类型）、二元关系（实体的属性）及更高阶关系。关系抽取任务有：关系分类（判断一句话中两个实体的关系）、属性抽取（已知一个实体和关系，判断另一个实体） 、关系实例抽取（“姚明”，“上海”判断关系）      

        事件抽取：从描述事件的文本中抽取结构化的事件信息。

（3）知识融合 ：将两个知识图谱融合。包括知识体系的融合和实例的融合

（4）知识存储：如何存储知识图谱①RDF格式存储（一行一个三元组，搜索效率低）②图数据库Neo4j   

（5）知识推理： 挖掘两个实体之间隐含的语义关系，即知识图谱补全。

                            自动问答系统          

5 知识图谱与深度学习

        基于深度学习，把处理对象表示为数值(标量、向量、矩阵)，通过数值计算完成各种语义计算。

       问题：（1）依赖大量标注数据

                  （2）不可解释且不可调控

                  （3）难加入先验知识

       探索1，词的表示学习：词表示为分布式向量（上下文相似的词，语义也相似）。问题：不能区分近义词还是反义词

      探索2，知识图谱表示学习：将知识图谱的实体和关系投影到低维向量空间中，体现实体和关系的语义信息。问题：隐含表示方式，不易被理解，难以干预推理过程和增加先验知识。

        探索3，神经符号机：神经网络与符号推理相结合的技术。