摘要：圖數(shù)據(jù)庫(kù)逐步成為目前主要的知識(shí)圖譜存儲(chǔ)方式。知識(shí)圖譜的補(bǔ)全是通過(guò)現(xiàn)有知識(shí)圖譜來(lái)預(yù)測(cè)實(shí)體之間的關(guān)系，是對(duì)關(guān)系抽取的重要補(bǔ)充。相關(guān)資料大規(guī)模知識(shí)圖譜的構(gòu)建推理及應(yīng)用肖仰華大規(guī)模知識(shí)圖譜構(gòu)建與應(yīng)用

知識(shí)圖譜怎么去做，這當(dāng)然不是幾句話說(shuō)得清楚的。首先肯定要先基于自身的業(yè)務(wù)進(jìn)行思考，這里整理一些知識(shí)圖譜構(gòu)建的主要路徑。

1、梳理業(yè)務(wù)，構(gòu)建本體：是否需要用知識(shí)圖譜？成本怎么樣，能達(dá)到怎么的效果？是否有能力構(gòu)建知識(shí)圖譜？數(shù)據(jù)、團(tuán)隊(duì)等情況是否能支撐？如果有必要，如何根據(jù)業(yè)務(wù)梳理一套本體框架？

2、編輯本體，給出業(yè)務(wù)知識(shí)表示框架：可以利用Protege進(jìn)行本體編輯，獲得一個(gè)用OWL表示的知識(shí)表示文件。

3、給本體補(bǔ)充實(shí)例數(shù)據(jù)：先找一些示例數(shù)據(jù)，便于理解。

自頂向下的構(gòu)建方式：先定義本體和數(shù)據(jù)模式，再將實(shí)體加入知識(shí)庫(kù)。利用一些現(xiàn)有的結(jié)構(gòu)化知識(shí)庫(kù)作為其基礎(chǔ)知識(shí)庫(kù)。

自底向上的構(gòu)建方式：從一些開(kāi)放鏈接數(shù)據(jù)中提取出實(shí)體，選擇其中置信度較高的加入到知識(shí)庫(kù)，再構(gòu)建頂層的本體模式。

大體包含五個(gè)方面：知識(shí)抽取、知識(shí)表示、知識(shí)融合、知識(shí)加工、知識(shí)評(píng)估

通過(guò)知識(shí)提取技術(shù)，可以從一些公開(kāi)的半結(jié)構(gòu)化、非結(jié)構(gòu)化和第三方結(jié)構(gòu)化數(shù)據(jù)庫(kù)的數(shù)據(jù)中提取出實(shí)體、關(guān)系、屬性等知識(shí)要素。

知識(shí)表示則通過(guò)一定有效手段對(duì)知識(shí)要素表示，便于進(jìn)一步處理使用。分布式的知識(shí)表示形成的綜合向量對(duì)知識(shí)庫(kù)的構(gòu)建、推理、融合以及應(yīng)用均具有重要的意義。

然后通過(guò)知識(shí)融合，可消除實(shí)體、關(guān)系、屬性等指稱項(xiàng)與事實(shí)對(duì)象之間的歧義，形成高質(zhì)量的知識(shí)庫(kù)。

知識(shí)加工則是在已有的知識(shí)庫(kù)基礎(chǔ)上進(jìn)一步挖掘隱含的知識(shí)，構(gòu)建新本體，補(bǔ)全關(guān)系，從而豐富、擴(kuò)展知識(shí)庫(kù)。

知識(shí)評(píng)估可以對(duì)知識(shí)的可信度進(jìn)行量化，保留置信度較高的，舍棄置信度較低的，有效確保知識(shí)的質(zhì)量。

除此之外，大規(guī)模知識(shí)圖譜構(gòu)建，還需要多種技術(shù)的支持：分布式存儲(chǔ)和計(jì)算、圖數(shù)據(jù)庫(kù)、圖推理、內(nèi)存數(shù)據(jù)庫(kù)等。

知識(shí)圖譜的存儲(chǔ)和查詢語(yǔ)言也經(jīng)歷了歷史的洗滌，從RDF到OWL以及SPARQL查詢，都逐漸因?yàn)槭褂蒙系牟槐慵案甙旱某杀荆还I(yè)界主流所遺棄。

圖數(shù)據(jù)庫(kù)逐步成為目前主要的知識(shí)圖譜存儲(chǔ)方式。

目前應(yīng)用比較廣泛的圖數(shù)據(jù)庫(kù)包括Neo4j、graphsql、sparkgraphx（包含圖計(jì)算引擎）、基于hbase的Titan、BlazeGraph等，各家的存儲(chǔ)語(yǔ)言和查詢語(yǔ)言也不盡相同。

實(shí)際應(yīng)用場(chǎng)景下，OrientDB和postgresql也有很多的應(yīng)用，主要原因是其相對(duì)低廉的實(shí)現(xiàn)成本和性能優(yōu)勢(shì)。

在知識(shí)圖譜構(gòu)建過(guò)程中，還存在很多關(guān)系補(bǔ)全問(wèn)題。雖然一個(gè)普通的知識(shí)圖譜可能存在數(shù)百萬(wàn)的實(shí)體和數(shù)億的關(guān)系事實(shí)，但相距補(bǔ)全還差很遠(yuǎn)。

知識(shí)圖譜的補(bǔ)全是通過(guò)現(xiàn)有知識(shí)圖譜來(lái)預(yù)測(cè)實(shí)體之間的關(guān)系，是對(duì)關(guān)系抽取的重要補(bǔ)充。

傳統(tǒng)方法TransE和TransH通過(guò)把關(guān)系作為從實(shí)體A到實(shí)體B的翻譯來(lái)建立實(shí)體和關(guān)系嵌入，但是這些模型僅僅簡(jiǎn)單地假設(shè)實(shí)體和關(guān)系處于相同的語(yǔ)義空間。

而事實(shí)上，一個(gè)實(shí)體是由多種屬性組成的綜合體，不同關(guān)系關(guān)注實(shí)體的不同屬性，所以僅僅在一個(gè)空間內(nèi)對(duì)他們進(jìn)行建模是不夠的。

大規(guī)模知識(shí)圖譜的構(gòu)建、推理及應(yīng)用

肖仰華 | 大規(guī)模知識(shí)圖譜構(gòu)建與應(yīng)用