知识图谱：知识表示

0. 引言

知识图谱中，知识的结构化表示主要有符号表示和向量表示两类方法。早期，常用一阶谓词逻辑（First Order Logic）、语义网络（semantic network）、描述逻辑（Description Logic）和框架系统（Frame System）等基于符号逻辑的知识表示方法。而当前，主要使用基于图数据结构的三元组形式（头实体，关系，尾实体）来符号化地表示知识。

1. 基于图的符号化知识表示

基于图的符号化知识表示，最常用的有属性图（Property Graph）和RDF图（Resource Description Framework，资源描述框架）两种。

• 属性图（Property Graph）是工业界最常用的知识图谱建模方法，它的优点是允许为实体（entity）或关系（relation）添加属性（property¹），表达方式非常灵活、非常便于表示多元关系，且属性图的存储（使用图数据库 Neo4j）充分利用图结构特点做了性能优化，在查询计算方面具有较大优势；但存在不足的是属性图缺乏工业标准规范的支持，且也不能支持符号逻辑推理。

• RDF（Resource Description Framework²，资源描述框架）是 W3C（国际万维网联盟）推动的语义数据交换标准与规范³，其基本组成单元是三元组（即：(头实体，关系，尾实体)），它有更严格的语义逻辑基础，支持逻辑推理，且兼容语义表示能力更丰富（也更复杂）的本体表示语言OWL。

• 需要补充说明的是：实际中，RDF 图是使用 RDFS 建立的。RDF 用到了类和属性来描述实体之间的关系，这些类与属性由模式（Schema）来定义。RDFS（Resource Description Framework Schema，RDF模式）是在 RDF 基础上提供了对类和属性的简单描述，从而给 RDF 数据提供了标准的词汇建模的语言。

• OWL（Ontology Wed Language，网络本体语言）作为一种完备的本体表示语言，它在三元组无法满足语义表示需要时，提供了更多可供选择的语义表达构件。

2. 向量化知识表示

在完成了基于图的知识的符号表示的基础上，还可以通过学习图的特征，为图谱中的每一个实体和关系得到一个向量表示；并利用向量、矩阵或张量间的计算，实现高效地（知识）推理计算。

知识的向量化表示，是目前的研究热点。

---

1. 属性（property）是指实体或关系的定、状、补语等描述性信息。 ↩︎

2. Resource：页面、图片、视频等任何具有 URL 标识符的资源；
   Description：属性、特征和资源之间的关系；
   Framework：模型、语言和这些描述的语法。 ↩︎

3. 因为早期 Web（即：Web 2.0）的标准语言 HTML 和 XML 无法适应语义网对知识表示的需求，所以 W3C 提出来新的标准语言 RDF、RDFS 和 OWL，来表示语义网的知识体系。 ↩︎