【知识图谱搭建到应用】--知识搜集与建模--03

对于知识图谱，最基本的、基础的就是知识；知识图谱中的知识，其实不是什么难以理解、高深莫测的内容，可以是对某一件事情的说明，可以是某一事物的特征，可以是两者之间的关系，直白说知识就是对某一领域或整个开发域中存在事物的“记录”，并且一般是事实性的记录，因为只有真的知识才是有效的。

若针对某一垂直领域构建知识图谱，知识收集和建模应该是相辅相成的；项目或工作开始初期，肯定是有一个目标是，比如问答系统就是能覆盖具体事物、具体属性、具体关系等，从业务层面抽离出一个知识架构；将事物抽象为“类”、属性抽象为“数值属性”、抽象即为“对象属性”，形成Schema，就是建模的过程。确定好领域范围后，就要针对具体实例寻找相关知识，如一个实例是“李白”，其对应的属性可能就有朝代、字、号等一系列属性，这些属性就是知识，需要搜集。随着数据搜集的越来越多，一般都会发现之前抽象定义的Schema存在不足，需要修改，进而再去搜集更多的数据，使得整个知识越来越丰富。

知识搜集

知识的来源说白了其实就是两大种，一种就是别人已经做好了的，一种就是别人没做好，需要自己处理的。

直观来说，便于知识图谱使用的也是结构化数据，即与MySQL中的数据结构相似，一张表就是一个类，一个字段就是一个数值属性，一行就是类的一个实例。所以，对于一些公开数据集或者开源的知识图谱项目，其中存储的数据属于第一种，大佬已经帮我们做好了的，我们可以直接使用。我们要做的就是定好自己的目标域，从开源的知识来源(如CN-DBpedia)中抽取，一般流程分为以下几步：

• 构建项目所涉及的实体词汇表
• 获取实体列表
• 筛选实体列表
• 获取开源图谱中对应实体的三元组知识

第二种就是我们自己从头开始构建，主要就是用爬虫用网页爬取相关文本信息，基本都是半结构化或非结构化数据，需要从中解析出目标的结构化数据。如果使用算法，会使用命名实体识别、关系抽取、事件抽取等，还可以基于数据质量、体量等因素决定使用远程监督或有监督等方法进行，或者直接使用人力进行提取。

知识建模

建模的过程本质是对整个知识架构抽象的过程，将整个知识架构抽象为类、对象属性、数值属性，每一个节点就是一种类的实例，节点之间的关系是对象属性，节点自身特征为数值属性；很多地方会直接称为关系和属性，而此处的属性就是数值属性。一般会使用开源软件protégé，在其中可以先定义Schema，然后再基于实际数据建立实例。protégé除了可以创建本体架构将其保存为RDF文件外，还可以读取RDF文件进行解析，将RDF文件内部的结构、实体进行提取，可以有效处理不同格式的RDF文件转换。protege保存本体文件时，可以选择如下多种RDF文件格式，基于实际情况进行选择，其中RDF/XML和Turtle格式使用最多