知识图谱学习笔记五（知识图谱融合）

     知识图谱融合

        它是解决知识图谱异构问题的有效途径，通过建立异构本体或异构实例之间的联系，使得异构的知识图谱相互沟通，实现它们之间的互操作。

          知识图谱包含描述抽象知识的本体层和描述具体事实的实例层。

          本体层：描述特定领域中的抽象概念、属性、公理；

          实例层：描述具体的实体对象、实体间的关系；

    知识图谱的异构问题

        语言层不匹配:  语法不匹配、逻辑表示不匹配、原语的语义不匹配、语言表达能力不匹配

        模型层不匹配: 概念化不匹配（概念范围与模型覆盖）、解释不匹配（模型风格与建模术语）

   本体概念层的融合方法与技术

         本体映射与本体集成

        本体映射分类：从映射的对象、功能以及复杂程度三个角度进行分类。

        本体映射应用：子本体抽取，通过从源本体中抽取一个子本体降低复杂性和提升效率。

        本体集成：基于单本体的集成、基于全局本体-局部本体的集成

  备注：研究本体映射的方法比较多，不做详细描述，后期再仔细研究。

      实例层的融合与匹配

          知识图谱实例匹配的量级比较大，面临着很大挑战，如：空间复杂度、时间复杂度、匹配结果质量挑战等。

         大规模的知识图谱匹配方法划分为三类：基于快速相似度计算的方法、基于规则的方法、基于分治的方法。

         空间复杂度可以通过数据压缩技术、外部数据库或者临时文件等方式来解决。

        时间复杂度是着重分析的问题，目前，有三类方法：基于快速相似度计算的实例匹配、基于规则的实例匹配方法、基于分治的实例匹配方法。