知识图谱简单了解

知识图谱

1. 定义

概念：

知识图谱技术是人工智能技术的重要组成部分，是一种揭示实体之间关系的语义网络，可以对现实世界的事物及其相互关系进行形式化地描述。语义网中的节点表示实体或概念，边则由属性或关系构成。

应用：

建立一个具有语义处理能力与开放互联能力的知识库，可以在智能搜索、智能问答、个性化推荐等智能信息服务重产生应用价值。

知识图谱已被用来泛指各种大规模的知识库。

背景：

1. 互联网信息量暴增 2. 智能化知识表示，知识图谱最初就是应用于信息检索方面。

graph TB
1[web1.0时代文档互联]-->2[web2.0时代数据互联]
2--正在迈向-->3[web3.0时代知识互联]

2012 年 5 月 17 日，Google 正式提出了知识图谱（Knowledge Graph）的概念，其初衷是为了优化搜索引擎返回的结果，增强用户搜索质量及体验。

实际上，知识图谱并不是一个全新的概念，早在 2006 年就有文献提出了语义网（Semantic Network）的概念，呼吁推广、完善使用本体模型来形式化表达数据中的隐含语义，RDF（resource description framework，资源描述框架）模式和 OWL（Web ontology language，万维网本体语言）就是基于上述目的产生的。用电子科技大学徐增林教授的论文原文来说：

知识图谱技术的出现正是基于以上相关研究，是对语义网标准与技术的一次扬弃与升华。

表示形式

基于三元组是知识图谱的一种通用表示方式，
即$$ G=(E,R,S)$$：

• $E={ e_1,e_2,……,e_{|E|} }$，其中 E是知识库中的实体集合，共有|E|种不同实体
• $R={r_1,r_2,……,r_{|R|}}$R是知识库中的关系集合，共包含***|R|***种不同关系；
• $S \subseteq E \times R \times E $，S代表知识库中的三元组集合。

三元组的基本形式主要包括(实体1-关系-实体2)和(实体-属性-属性值)等。

• 每个实体(概念的外延)可用一个全局唯一确定的ID来标识，
• 每个属性-属性值对(attribute-value pair，AVP)可用来刻画实体的内在特性，
• 而关系可用来连接两个实体，刻画它们之间的关联。

如下图1的知识图谱例子所示：

• 中国是一个实体，北京是一个实体，
  • 中国-首都-北京 是一个（实体-关系-实体）的三元组样例
• 北京是一个实体 ，人口是一种属性2069.3万是属性值。
  • 北京-人口-2069.3万构成一个（实体-属性-属性值）的三元组样例。

知识图谱构建

• 自顶向下(top-down)
  自顶向下指的是先为知识图谱定义好本体与数据模式，再将实体加入到知识库。该构建方式需要利用一些现有的结构化知识库作为其基础知识库，例如 Freebase 项目就是采用这种方式，它的绝大部分数据是从维基百科中得到的。
• 自底向上(bottom-up)
  目前大多数知识图谱都采用
  自底向上指的是从一些开放链接数据（也就是 “信息”）中提取出实体，选择其中置信度较高的加入到知识库，再构建实体与实体之间的联系。