知识图谱主要有两块重点，一块是知识图谱的构建，一块是知识图谱的挖掘应用。本文详细讲解一下构建知识图谱的几个关键方法。

 

知识图谱主要有两块重点，一块是知识图谱的构建，一块是知识图谱的挖掘应用本文详细讲解一下构建知识图谱的几个关键流程一、梳理业务，构建本体根据业务需求，我们需要回答几个问题：1、是否需要用知识图谱？成本怎么样，能达到怎么的效果？。

2、是否有能力构建知识图谱？数据、团队等情况是否能支撑？3、如果有必要，如何根据业务梳理一套本体框架？这里假设梳理出了如下的一套概念体系，给出了主要的类别和关系：

二、编辑本体，给出业务知识表示框架    利用Protege进行本体编辑，获得一个用OWL表示的知识表示文件Protege 是一个图形界面的本体开发工具,它支持丰富的知识模型Protege 是开源的,并且可以免费获取。

三、给本体补充实例数据1、结构化数据处理对于结构化数据，一般是把一个表、一个类别的去对应，一行数据相当于一个类的实例，每个字段就相当于类的属性，利用相关的转化工具可以把这个过程进行转化，比如D2RQ，可以把表数据转化成虚拟的RDF数据，使数据在RDF层面实现数据格式的统一。

2、非结构化数据（主要是文本数据）这里假设数据库中已经存在如下的如下的单实体以及三元组数据，目前的主要任务就是从文中抽取相关的数据，来补充现有的知识库。

假设这里有两篇文章，文章1和文章2,：从文章1中，我们可以实现如下的实体抽取和识别：

从文章2中，我们可以实现如下的实体抽取和识别：

那么存在的问题是如何把识别出来的a1/b1/d1，a2/b2/d2插入到现有的数据库中？这里要解决的问题就是实体消歧，如何判别a1,a2以及知识库中现有的a3,a4是不是表示的同一个实体？（后面再讨论）

以上我们考虑的是单实体入库的情形，对于三元组入库，我们还需要有三元组的抽取方法和实体的消歧。

下面我们用几个图，详细的描述一下这个过程：（1）现有的知识库中仅存在一个单实体a3，两对三元组(a4,r1,b4)，(d3,r2,b3)，如下图：

（2）假设我们在文章2中抽取了一个三元组（a2,r1,b2），当这个三元组入库的时候，我们需要进行实体的消歧，判断一下a2与a4/a3以及b2与b4/b3是否可能重复，通过检测，发现b2与b4相似的概率为90%超过我们设定的相关阈值，所以有理由认为b2/b4可能是同一实体，故下图中示意就把b2/b4合二为一（或者添加一个链接）。

（3）知识库中并不是所有有关系的实体都通过三元组连接起来了，最直接的是知识库中的单实体比如上图中的a3，与其它三元组暂时没有建立联系，但是不是a3与其它实体真的没有关系呢？并不是，有些隐性的关系，我们可能并没有那么容易发现。

那么如何去断定这个单实体或者其它实体之间的关系呢？这就涉及到前面提到的关系推理《基于知识图谱推理的关系推演》，最终我们发现a3和b2（b4）存在关系r1,如下图红虚线所示。

四、关键问题从上面的三个步骤大致可以看到知识图谱的主要构建流程，看起来很简单，但实则是非常繁琐的数据归一化工作，而且存在一些关键问题，并没有统一的、标准化的工具或方法能够一次性解决：实体识别、三元组抽取、实体消歧、知识补全。

1、实体识别所谓实体识别，简单的说，就是给定一个实体集合X，然后根据一个类别集合P，实现一对一的集合划分Y比如实体集合X={小明，张三，小红，手机}，集合P={男人，女人，物品}，通过集合划分后得到集合Y={{小明，张三}，{小红}，{手机}}，其中{小明，张三}和男人对应，{小红}和女人对应，{手机}和物品对应。

当然，要实现这个划分，我们需要利用实体的各种特征，比如上下文特征在深度学习之前，应用最多的算法就是条件随机场CRF，对一个单词序列进行标注

深度学习推广后，尝试RNN、LSTM的序列标注，最近出现的BiRNN-CRF好像效果不错（广义的思路：深度学习获得相关特征，送入传统机器学习）针对具体的人名、地名、机构名、时间等的识别，已经有一些包可以直接实现，但是具体到相关业务时，这些包能力有限，根本不能直接拿来就用，还需要自己实现相关的算。

2、三元组抽取三元组抽取也可以在实体抽取的基础上进行关系的推理，给关系的成立打个评分总之，有监督的算法一般是把关系的抽取转换成一个分类问题具体还可以使用一些远程监督+注意力机制等方法，包括单词级别的向量表示、句子级别的向量表示等。

3、实体消歧对于实体消歧，其主要的思路就是计算实体之间的相似度，通过相似度的排名来判断实体是否可能重合具体的方法，比如，向量空间法（VSM: Vector Space Model）把每个实体表示成一个低维、稠密的向量，通过向量的余弦相似度来计算相似度距离。

至于如何把一个实体表示成一个向量，可以利用实体的上下文信息、描述信息等，利用word2vector等方法把实体表示成一个向量4、知识补全对于知识补全，其主要思路其实也可以利用表示学习的方法，把头尾实体以及关系表示成低维、稠密的向量，然后再通过相关的评分函数进行排名。

具体可以参考《基于知识图谱推理的关系推演》五、解决问题的基本思路从以上几个问题的基本思路和解决方法来看，目前解决这块问题核心的思路是：利用深度学习做表示学习或利用深度学习提取特征，具体就是把相关的特征输入深度神经网络，输出特征向量（一般为低维、稠密向量），然后通过对特征向量进行计算或者加载传统机器学习算法。

目前来看，有单词的表示学习、句子的表示学习、实体的表示学习、关系的表示学习等所以，解决这类问题的关键，可能在于：（1）理解如何利用深度神经网络做表示学习，比如Word2Vector；（2）与传统机器学习方法或者规则的结合；

（3）常用的相似度、排名算法；往期精彩导读》从三个角度理解知识图谱》从Palantir的研究到金融风控（二）》从Palantir的研究到金融风控（一）》基于知识图谱的智能问答》基于知识图谱推理的关系推演

》大数据与数据科学的课程体系》AI落地的三步走战略》不可错过的最新AI应用案例集》人工智能落地场景》数据变现与咨询（一）》数据变现与咨询（二）

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186