《知识图谱的入门到实践》01 深入知识图谱

书山有路勤为径，学海无涯苦作舟

1、知识图谱

• 知识图谱，不光包含视觉，听觉、文本，而是尽可能将掌握的知识，全部融合在一起，构建出一个图模型。
• 人与人之间存在关系，创建一个技术把人情世故和关系抖关联在一起。
• 知识图谱会涉及NLP中的技术，但是我们所涉及的数据远远不至于文本，所以知识图谱并不是只属于NLP领域的技术，而是一个综合的学科。达到建立一个图的模型，建立好实体之间的逻辑关系。
• 只要有了图模型，可以做推荐，搜索，推理等。
  

• 我们在使用搜索引擎的时候，可能搜索的问题不是一个直接的含义，而是一个间接的问题。比如搜索王菲与李亚鹏的女儿，知识图谱会去找王菲和李亚鹏两个节点，再找到这两个节点的女儿关系下的实体，最终输出结果。
• 知识图谱可以存储关系、属性。
• 在搜索引擎中有很多应用。搜索引擎是去搜索知识图谱中的实体的关系、属性，快速的找到答案。
  

• 知识图谱不是一个任务，其包含了庞大的学科交叉。
• 问题1：搜索引擎会搜索圣诞节节点，和今天节点做运算
• 问题2：先找zippo实体，找到实体后，知识图谱可能还没办法认识它，在语料库中没有zippo的属性。图谱根据规定会找到禁止携带的物品，可以通过找zippo的品牌，通过zippo其归属于打火机的实体，推理出zippo为打火机。
  

2 知识图谱的应用

2.1知识图谱在医疗领域应用

• 去医院可能遇到人多，排队麻烦，看医生排队排半天，两句话就结束了，没有详细问诊，怀疑医生是否专业和认真。

• 在看病的时候，希望有一个智能问答助手，可以根据我的病症，耐心的给出回答，基于历史数据给出档案。
  看病，想要排队，医生看症状根据症状去做检查，再给出治疗方案。机械式的流程，医生是根据数据给出的治疗方案，机器人可以学习历史数据，根据患者给的症状，判断检查方式，再根据检查结果判断病情和治疗方案。可以完成医生代替看病。

• 通过机器人，代替看病。当手里有一个医院的病例就诊数据，包含病名、病的解释、看的科室、预防、处理方式、 注意事项、症状、药物治疗、治疗时间、花费、检查事项，宜吃、不宜吃，等如下图所示。

• 只要有数据就能创造如下的图谱，只要有病人来了，就能描述其症状，通过症状找到与什么疾病有关系，应该看哪个科室，做什么检查，应该吃什么药。
  
  构建出来图谱,再构造一个问答助手，帮助回答患者的问题。
  >根据收益最大，损失最小，可以找到最优决策。知识图谱是用历史数据构建的，既包含了关系，也包含了数据之间的规律。
  根据历史数据可以查到很多先验的知识。 可以辅助决策
  

2.2 知识图谱在金融领域应用-风控模型

如果大量的用户借钱不还，金融公司就倒闭了。
假如A，B，C，三个人有关系，C进入黑名单，那么AB两人可能也借了不还。
借不借一个人钱，不光是个人属性的基本信息，还应该考虑其综合的行为和关系网络。

推荐系统
分析喜好的电影实体的关系，基于关系找到其他实体，推荐可能喜欢的给用户

3.数据的获取

• 知识图谱利用的数据最多都是文本数据，也可以建非结构化的数据转为文本的结构化数据。
• 数据太庞大，一般都需要自然语言处理的技术进行文本的实体抽取。
• 命名实体识别，就是要从文本中抽取出来所关注的信息，例如：时间、地点、事件、场景、人物等等
  
  公开的数据集，数据库。
  图片，文本，音频，视频数据。

4、知识图谱涉及的技术分析

实体抽取，关系抽取

涉及的NLP技术：分句分词、词性标注（名词、形容词）、句法分析（主谓关系、动宾关系）、角色标注（找到事件的主角，动作，结果）。

• 构建一个模型，在文本中提取出来想要的信息。就可以构建知识图谱了。
• 命名实体识别实现在文本中找到我所关注的信息，简单的命名实体识别就是人、时间、地点、事件。而在医疗领域不仅仅关注这些，而是药物、症状、检查，需要重新训练模型，识别每个词属于那个标签。
  

回答下图中的问题的时候，需要命名实体识别，识别这个药是什么。通过规则匹配，返回对应的结果。通过识别实体，得到关系。
现成工具包虽然可以完成一定的任务，但是应用场景的不同，还是需要自己去做。

NER(命名实体识别)
创建一个实体，需要给实体打上标签，可以知道实体的类别。
通过NER对文本中的实体进行识别，打上标签，创建实体。

抽取关系（非常困难）

• 有实体之后，实体之间是有关系的，通过关系创建实体之间的联系。
• 根据业务，把需要的关系提取出来，就需将设计规则，匹配出关系。
  

实体的统一，指代消解
不同的实体的名字可能是不一样的，但是是同一个实体。

5.Graph-embedding

实现推理任务

• 可以根据实体之间的关系进行推理，实现一些综合的任务。
• graph embedding 图编码，将图谱实体进行向量编码，可以完成机器学习，神经网络中的预测和分类任务。
• 可以将每一个节点都编码为一个向量，将每个节点的属性作为其特征，需要考虑节点自身的信息，还需要考虑和其他节点之间的关联的信息。
• embeddin就是将图中的每个节点都找到一个合适的编码向量，关系近的向量就近一点，关系远的向量就远一点。
  

5.1 金融领域图编码实例

只要用到图模型，肯定需要graph_embedding.基于图去做特征

• S1-S9之间有交互，将S1编码为一个向量，一开始可以做一个随机的初始化的向量。
• 图节点中的编码和一句话的编码类似，和说一句话类似都有顺序，句子当中一个词的编码需要考虑其上下文再进行编码，节点的编码就需要考虑其上下文的节点顺序进行编码。
  
  

5.2 视觉领域图编码实例

图卷积模型

• 不基于整个人提取特征，而是基于局部特征提取特征，将局部特征和整体特征的融合。
• 人是由于关节点组成，提取出来所有的关节点的特征提取出来了，将不同节点连接在一块形成图模型。
• 形成图模型以后，构建某一个节点的特征，不能光考虑其单一一个节点的特征，应该考虑与其相互连接节点的特征。
  图匹配，当某些部位被挡住了，不能做一对一节点的匹配，可以转换为一对多的匹配。
  

5.3知识融合

在图谱中希望有大量的信息，可以将大量的非结构化（图片，视频）的数据，都作为数据，转化为图谱的节点。

知识融合：将所有类型的数据都做成向量，融入到图谱中。

在知识图谱中可能更偏重于业务。熟悉业务才能设计实用的知识图谱。