知识图谱（二） 构建方法

前言

知识图谱的数据是通过三元组(主语、谓语、宾语)的方式进行组织的，每一个三元组代表一条知识，并且所有三元组按照一定的逻辑组织起来

知识图谱的数据结构

从知识图谱数据组织的架构来看，可以把知识图谱的数据分为两个层次：

1. 数据模型层：数据模型是按照本体论的思想，勾画出来的数据组织模式，数据模型可以展示数据的组织方式，数据之间的相互关系。创建动植物的数据模型，可以按照动植物的通用分类标准，使用七个主要级别：界、门、纲、目、科、属、种。可以将动植物的数据按照下面这个模型进行组织:

/	人	白菜	猕猴
域	真核生物域	真核生物域	真核生物域
界	动物界	植物界	动物界
门	脊索动物门	种子植物门	脊索动物门
纲	哺乳纲	双子叶植物纲	哺乳纲
目	灵长目	白花菜目	灵长目
科	人科	十字花科	猴科
属	人属	芸苔属	猕猴属
种	智人	白菜种	猕猴

数据模型可以看作是元数据，依据数据模型，数据才能得到有效的组织。数据模型除了确定对象之间的分类，关系，还要明确对象的属性。

针对不同的知识图谱，需要收集的数据的内容也不相同，内容范围由对象的属性确定。数据模型的分类，关系反应了数据之间的关系特征，数据模型的属性反应了数据的内在特征。

2. 具体数据层，具体数据是一条条知识，它是依据数据模型组织起来的。我们可以把数据模型看作是骨架，把具体数据看作是肌肉，两部分共同组成了一个健壮的整体，就是知识图谱。

不同类型的知识图谱组织数据的方式也有所不同，涉及到具体数据，具体数据的内容也有差别。比如

• 对于一个人物来说，如果是历史知识图谱，可能人物数据的内容主要侧重于人物的生平，主要事迹和人物关系等等，
• 如果是文学知识图谱，人物数据的内容则会主要侧重人物的主要作品，师承关系和作品流派等等。

将知识图谱的数据分成了两个层次，在构建知识图谱的时候，是先确定数据模型再收集具体数据，还是先收集具体数据再确定数据模型，这就形成了两种构建知识图谱的方式。

自顶向下的构建方式

即先确定数据模型，再填充具体数据。

数据模型的设计，是知识图谱的顶层设计，根据知识图谱的特点确定数据模型，就相当于确定了图谱收集数据的范围，以及数据的组织方式。

总的来说，自顶向下的构建方式，适用于知识内容比较明确，关系比较清晰的领域构建知识图谱

自下向上的构建方式

指先按照三元组的方式收集具体数据，然后根据数据内容来提炼数据模型。采用这种方式构建知识图谱，是因为在开始构建知识图谱的时候，还不清楚数据的范围，也不清楚数据怎么使用，就是先把所有的数据收集起来，形成一个庞大的数据集，然后再根据数据内容，总结数据的特点，将数据进行整理、分析、归纳、总结，形成一个庞大的数据集，然后再根据数据内容，总结数据的特点，将数据进行整理、分析、归纳、总结，形成一个框架，也就是数据模型。

一般是公共领域的知识图谱采用上述方式，因为公共领域的知识图谱涉及到海量的数据，并且包括方方面面的知识，做出来的效果是大而全，这在构建的初期，很难想清楚数据的整体架构，只能是根据数据的内容总结提炼特征，形成数据框架模型。

总结

两种构建方式也不是一成不变的，在构建初期两种方式区别很明显，在知识图谱构建的后期，两种方式可能会结合使用。对于自顶向下的构建方式，随着数据量的不断积累，可能会发现原来的数据模型并不完善，有很多数据可能没有包含在数据模型的体系中，这时候就需要修订数据模型，根据数据的特点，完善数据模型。同样，在自下向上的构建方式中，慢慢形成的数据模型，对于后期的数据收集，也有一定的指导作用，按照形成的数据模型，可以快速准确地收集相关数据。

总之，数据和数据模型之间，是一个相辅相成的关系，二者在构建知识图谱的过程中缺一不可。