KG

一、中文知识图谱的构建

前情提要

1. 知识图谱的本体学习
   • 术语抽取
   • 同义关系学习
   • 概念概念
   • 分类学关系学习
   • 非分类学关系学习
   • 公理和规则
2. 实体层学习
   • 实体学习
   • 实体数据填充
   • 实体对齐

1545532394958.png

（一）、通用知识图谱的构建

通用知识图谱可用数据源

• 结构化数据
• 机器可读的开放本体和词典
• 开放链接数据和开放知识库
• 行业知识库好行业垂直网站
• 在线百科（维基、互动、百度）
• 文本

通用知识图谱构建过程

（1）概念和实体的学习

• 从百科中抽取概念和实体

  • 位于分类系统中的类别标签都直接视为概念

  • 其他类别标签也是概念的候选，但是不能直接选取为概念：（空类别标签、仅包含自己的类别标签）：出现在两个或三个百科中

  • 从上下位关系层次中抽取概念：当把最终得到的上下位关系组织成一个类别系统时，不是位于最低层（椰子结点）的均视作概念

• 摘要信息

（2）实体对齐（同义词关系学习）

因为百科等平台是多人编辑的，就存在一些同义词需要去重

• 从开放链接数据中抽取同义关系
  • 使用特定方式描述同义关系：“means” 、“owl：sameAs”。
• 同一百科中的实体对齐
  • 重定向
  • 信息模块：中文别称、别名
• 不同百科间的实体对齐
  • 名称匹配
• 基于语言学模式方法
  • “X又名Y”、“X别称Y”
• 基于SVM的自监督百科实体对齐方法（百科间实体）
• 基于CRF的开放同义关系学习

（3）上下位关系学习

• 从开放数据集中抽取上下位关系
  • 按照数据集编写相应的规则
• 百科中抽取上下位关系
  • 类别之间（概念层次关系）
  • 类别和文章之间（实体与概念的从属关系）
• 基于语言学模式的上下位关系抽取
  • 固定的语言模式用于描述上下位关系
  • “X是一种Y”、“X如Y、Z等”
• 基于CRF的开放上下位关系学习方法

（4）属性学习

• 概念的属性学习
  • 编写相应的规则从开放链接数据集中获取属性
  • 从百科实体的属性往上规约
  • 人工检验
• 从百科中抽取实体属性
  • 信息模块

（二）、行业KG的构建

• 构建方法的概述
  • 自顶向下和自底向上两种方式相结合
  • 从结构化的关系数据库中的信息为起点，进而扩展到非结构化数据
  • 人工编辑数据模式

可用数据源

• 从结构化数据中学习（D2R）
  • 现有工作
    • D2RQ：描述关系数据库的数据模式与RDF模式及OWL映射关系的声明式语言
    • D2R Sever：把关系数据库中的数据发布到语义网中
    • 不足：只完成虚拟和映射，不生成具体的RDF数据；需要掌握RDF和SPARQL知识，使用门槛高
  • D2RML
    • 使用XML描述，易于理解和使用
    • 不需要掌握RDF和SPARQL知识，降低了使用门槛
• 行业数据源解析
  • 行业网站中大都通过模板来生成
  • 为保证准确度，使用人机结合的半自动解析方法
    • 首先使用聚类算法对页面依据结构进行归类
    • 机器自动构建模板，人工进行模板核验
• 从开放链接数据和百科中学习知识
  • 开放链接数据、知识库、百科和文本仍然是行业知识图谱的重要数据来源
• 从文本中学习知识
  • 与通用知识图谱学习类似（基于规则+人机交互）

二、KG的产业化应用

知识图谱图书馆应用

• 可视化知识图谱编辑器
• 知识抽取和学习
• 近4千万书籍论文实体链接

专利图谱应用

• 海量专利文档图谱语义化检索
• 专利大数据语义检索
• 专利图谱关联分析

企业图谱应用

• 全国3千万企业360°全息画像

• 完整的企业社交谱系

• 客观的企业风险评价和财务实力洞察

• 已应用于券商、银行、P2P等等追踪企业动态的场景

1545568104701.png

三、总结和展望

使用KG对现有的知识及关系进行整理融合形成一个新的组织形式。

（本文根据上海海翼知信息科技有限公司 胡芳槐讲座整理）