,其组成一张宏大的语义收集图，节点暗示实体或观点，边则由属性或干系组成

　　,其组成一张宏大的语义收集图，节点暗示实体或观点，边则由属性或干系组成。如今的常识图谱已被用来泛指各类大范围的常识库。

　　如上图所示，常识图谱中包罗三种节点，其根本情势为（实体1-干系-实体2）、（实体-属性-属性值）常识库成立的目标。

　　常见的本体组成要素包罗：实体、语义类、属性、干系等。比方NetworkConnection的观点常识图谱，此中包罗NetProvider常识库破解版、NetSpeed实体，另有NetProvider和NetSpeed之间的干系观点，这些实体的属性观点。

　　上图中虚线框中的部门为常识图谱的构建历程常识图谱，也包罗常识图谱的更新历程常识库破解版。这一历程包罗：信息抽取知识图谱、常识暗示、常识交融常识库成立的目标、常识推理四个历程。起首从最原始的数据（包罗构造化、半构造化、非构造化数据）动身知识图谱，接纳一系列主动化或半主动化的手艺手腕，从原始数据中提掏出实体、干系、属性等常识要素，经由过程必然的手腕对常识要素停止暗示，便于进一步处置，然后经由过程常识交融消弭实体、干系知识图谱、属性等指称项与究竟工具之间的歧义，构成高质量常识库，并将其存入常识库的数据层和形式层。最初操纵常识推理在已有常识库的根底长进一步发掘隐含的常识，从而丰硕扩大常识库。

　　常识图谱的逻辑构造：常识图谱在逻辑上可分为形式层与数据层两个条理。数据条理要是由一系列的究竟构成的，凡是利用三元组来表达这些究竟，因此能够挑选图数据库来作为存储介质，存储这些三元组。经常使用的图数据库有Neo4j、twitter的FlockDB、sones的GraphDB等。形式层则构建在数据层之上，是常识图谱的中心，凡是接纳本体库来办理常识图谱的形式层。经由过程本体库构成的常识库不只条理构造较强，而且冗余较小。

　　本体库：本体是指一种“情势化的，关于同享观点系统的明白而又具体的阐明”，换言之即关于特定范畴当中某套观点及其互相之间干系的情势化表达。

　　自底向上：指的是从一些开放链接的数据中提掏出实体，挑选此中置信度较高的参加到常识库，再构建顶层的本体形式常识图谱。大大都常识图谱都接纳自底向上的方法停止构建，此中最典范的就是Google的Knowledge Vault和微软的Satori常识库。这也契合互联网数据内容常识发生的特性。

　　CN-DBpedia是由复旦大学常识工厂尝试室研发并保护的大范围通用范畴构造化百科。CN-DBpedia次要从中文百科类网站（如百度百科、互动百科、中文维基百科等）的纯文本页面中提失信息，颠末滤常识库成立的目标、交融、揣度等操纵后，终极构成高质量的构造化数据，供机械和人利用。

　　常识图谱的构建方法次要有两种，自顶向下（top-down）与自底向上（bottom-up）两种构建方法。

　　经由过程上示地点进入CN-DBpedia搜刮页面，搜刮“周杰伦”，能够得到“周杰伦”的实体和实体干系、属性等。点击curiosity能够获得静态的可视化结果。

　　自顶向下：指的是先界说好本体与数据形式常识图谱，再将实体参加到常识库常识库破解版。该构建方法需求操纵一些现有的构造化常识库作为其根底常识库常识库破解版。FreeBase项目就是接纳这类方法。

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