【人工智能】知识图谱

一、知识图谱的概况

知识（Knowledge）：合理性（Justified）、真实性（True）、被相信（Believed）

知识是人类通过观察、学习和思考有关客观世界的各种现象而获得并总结出的所有事实（Fact）、概念（Concept）、规则（Rule）或原则（Principle）的集合，分为陈述性知识和过程性知识，又可分为概念知识、事实知识、规则知识。

知识图谱是一种语义网络（Semantic Network）的知识库，可以构建庞大的知识网络，包含世间万物构成的实体以及它们之间的关系，图文并茂地展现知识方方面面的属性，让人们更便捷地获取信息、找到所求

二、知识图谱的基本概念

图：一种有效表示数据之间结构的表达形式

知识图谱：旨在以结构化的形式、描述现实世界中存在的概念、实体及其间关系的语义网络
（体系化、关系化、知识可视化）

本体论：来自形而上学（研究第一原则或事物本质的学科）的一个哲学分支，研究存在Being的哲学问题，对世界上任何领域内的真实存在所做出的客观描述

信息领域的本体：形式化、对于共享概念体系的明确且详细的说明

本体反映的知识是一种明确定义的共识，本体是同一领域内不同主体之间进行交流、连通的语义基础，其在知识图谱中的地位相当于知识库的模具，其最大的特点是共享的，位于模式层，用于描述概念层次体系。是知识库中知识的概念模板

• 实体（entity）：现实世界中的具有可区别性且独立存在的某种具体事物，是知识图谱中的最基本元素
• 类（class）或概念（concepts）：相同性质的客观事物集合（类别、对象类型、事物的种类）
• 关系（relations）：某个领域中概念或实体之间的外在相互联系
• 属性（attribute, property）：某个实体或概念的固有内在特性
• 公理（axiom）：描述领域内总时成立（为真）的陈述

各种常见实体间关系：

• part-of（部分与整体之间的关系）
• kind-of（继承，例如父类和子类；给出两个概念$C$和$D$，记$S_C=\{x|x\text{是}C\text{的实例}\}$，$S_D=\{x|x\text{是}D\text{的实例}\}$，若$S_D\subseteq S_C$，则称$C$为$D$的父概念，$D$为$C$的子概念）
• instance-of（概念的实例与概念之间的关系）
• attribute-of（属性，e.g. 概念“颜色”是概念“玫瑰花”的一个属性）

属性图（Property Graph）：可以表示实体和关系的属性

资源描述框架（Resource Description Network）：另一种表示知识图谱的方式，由很多三元组（Triples）来组成，不支持属性

知识图谱的基本单位：“实体1-关系-实体2”、“实体、属性、属性值”构成的三元组

本体的特征：概念化、明确化、形式化、共享性

知识图谱的构成：

• 知识图谱：包含多种类型的节点（概念、实体）、多种类型的边（概念或实体的属性、概念 或实体间的关系）的多关系图
• 图：由节点和无向边组成，通常只包含一种类型的节点和边
• 多关系图：包含多种类型的节点和多种类型的边

知识图谱的存储：两种方式

• 基于RDF的存储（三元组，不包含属性信息）
• 基于图数据库的存储（更容易表达现实的业务场景）

知识图谱示例：

三、知识图谱构建技术

按照数据的结构化程度来分，原始的数据可以分为：

• 结构化数据
• 半结构化数据
• 非结构化数据

根据数据的不同的结构化形式，采用不同的方法，将数据转换为三元组的形式

然后对三元组的数据进行知识融合，主要是实体对齐，以及和数据模型进行结合，经过融合之后，会形成标准的数据表示,为了发现新知识，可以依据一定的推理规则，产生隐含的知识，所有形成的知识经过一定的质量评估，最终进入知识图谱

依据知识图谱这个数据平台，可以实现语义搜索，智能问答，推荐系统等一些应用

知识图谱构建：

• 原始数据
• 信息提取
• 知识融合
• 知识加工
• 知识更新

四、知识图谱主要应用

知识图谱架构

逻辑结构

技术架构

模式层（本体库）

数据层（客观事实，三元组）

信息提取

知识表示

知识融合

知识加工

知识更新

实体抽取

关系抽取

属性抽取

传统表示方法：三元组SPO

深度学习为代表的技术：稠密地位实值向量

实体链接

知识合并

本体构建

知识推理

质量评估

全面更新：以更新后的全部数据为输入

增量更新：以当前新增数据为输入

实体抽取示例：

$$\Downarrow$$

四、知识图谱主要应用

• 语义搜索/智能搜索
• 人物关系图
• 智能问答
• 领域概念关系、风险分析
• 可视化决策支持（反欺诈）
• 个性化服务、辅助决策

国外知识图谱项目：

• 常识知识库：Cyc、WorldNet、ConceptNet
• 互联网知识图谱：FreeBase、DBpedia、Schema、Wikidata、BableNet、Microsoft ConceptGraph，医疗领域Linked Life Data等

国内知识图谱项目：

• OpenKG、CN-DBpedia、中医药知识图谱、阿里电商知识图谱、美团知识图谱、XLore（清华大学）、Belief-Eigen（中科院）、PKUPie（北京大学）等

最新的知识图谱搜索引擎Magi