知识图谱概述

知识图谱的定义：

        知识图谱是一种结构化的知识表示方式，将实体、属性和关系以图形的形式进行表达和组织。它通过对知识进行结构化建模，将不同实体之间的关系进行编码，形成一个图结构的知识网络。知识图谱的目标是将人类的知识整合到一个统一的框架中，以便机器可以理解和推理这些知识。

实体、关系，

schema 就是不同实体之间的共计有哪些关系。

知识图谱的构建方式分为

• 自上而下的构建：医院 --> 科室--> 疾病(建议、宜吃等属性)
• 自下而上：

流水线方法

        ①首先进行命名实体识别(输入的是文章，模型Bert+CRF，输出是每个单词对应的词性标注)，然后对识别出来的实体 进行两两组合，

        ②再进行关系分类(输入是文章+实体，模型一般是Bert+softmax，比如陈天琦POIE的文章) ，最后把存在实体关系的三元组作为输出。 关系抽取的结果也依赖于实体抽取的结果，如CR-CNN、Att-Pooling-CNNs、Att-BiLTSM。

三元组(主实体(subject)、关系、客实体(relation object)) 需要给主客实体标记上做区分，是关系抽取到结果。

抽取出实体后，需要讲文章+实体(实体在文章原文中做了标记实体) 用Bert+softmax 做多分类，确定主客之间的是哪种关系。

流水线方法的难点是需要处理很多负样本，假设有10个实体，比如AB、BA 我们将第一个实体当做主实体，第二个当做客实体，那么就有A(10,2)=45种两两排序方式，10个实体中可能有15种关系，其他30中 就不是我们需要的关系也就是负样本。然后就依据schema 对这些负样本进行过滤，只保留我们想要的关系即三元组。

        然后得到的三元组中的实体可能是非标准词，需要将他们映射到标准词上。最简单的方法是做map映射，得到标准实体。

        补充实体上的属性，如果已有历史知识的比如"感冒"了应该"宜多喝热水、忌吃辛辣食品",直接去做映射就可以。如果没有，那就是把属性也看成一个实体，然后利用上面的流程去抽取 “感冒” 和“热水”之间是“宜吃”，和”辛辣食品“之间是“忌吃”的关系

        流水线方法的缺点：实体抽取和关系抽取两个步骤是相互影响的，分开就会丢失很多信息、影响效果。

• 1）错误传播，实体识别模块的错误会影响到下面的关系分类性能；
• 2）忽视了两个子任务之间存在的关系，例如图中的例子，如果存在Country-President关系，那么我们可以知道前一个实体必然属于Location类型，后一个实体属于Person类型，流水线的方法没法利用这样的信息。
• 3）产生了没必要的冗余信息，由于对识别出来的实体进行两两配对，然后再进行关系分类，那些没有关系的实体对就会带来多余信息，提升错误率

联合抽取方法

        联合抽取方法将实体抽取和关系抽取相结合，输入一个句子，通过实体识别和关系抽取联合模型，直接得到有关系的实体三元组。这种可以克服上面流水线方法的缺点，但是可能会有更复杂的结构，如BERT[8]、LSTM-RNN[9]、DGCNN等。

关系抽取CasRel - 知乎

第一步：抽取所有的主体词Subject，

第二步：抽取这些主体词所具有的关系、以及对应的客实体(Object)

        指针网络对每个词得到一个sigmoid输出后，比如第一个单词 “显”的sigmoid=0.6 >0.5,  这样就会从“显”往后找到最近一个>0.5的词“屏”，然后做中间这些作为一个实体“显示屏”，相当于两个指针，头指针遍历一遍整个句子，标记可能是实体词首词的单词，然后尾指针遍历一遍整个句子，标记可能是实体词尾词的单词。

        Vsub就表示实体，hN是整个句子的表示，黄 色部分是hN+Vsub。Relations中有：出生地、工作地、是哪个国家的首都、等关系

工作量：调研很多方案、做大量实验、确定最终执行方案、方案执行、训练模型、调优、测试上线，里面数据处理也非常浪费时间，每个方案可能需要不同的数据处理方式。

NLP应用工程师的主要是做成熟算法的应用，NLP研究员的话主要是不断的阅读paper，创新、实验。

 

论文

两种方法没有孰优孰劣，各有特点吧。