什么是知识图谱？如何构建知识图谱？

2021-09-30 15:37:15 作者：C-C 3898

1 什么是知识图谱

知识图谱是一种揭示实体之间关系的语义网络，知识图谱可以很形象地描述现实世界的事物以及事物之间的相互关系。人们就是通过三元组的形式来组成知识图谱，进而表示现实的事物和关系。

三元组(实体，关系，实体)以及实体的相关属性值对是知识图谱的基本组成单位，现实世界中的事物是通过各种各样的关系进行关联的，类比到知识图谱中，实体间也需要通过关系相互联结，从而构成网状的知识结构。

2 知识图谱的价值

借助知识图谱，能够在 Web 网页之上建立概念间的链接关系，能够以最快的速度将互联网中积累的知识组织起来，成为可以被人们直接获取和利用的知识。

在现今知识大爆炸时代，知识图谱能够改变现有的信息检索方式，不仅能够以图形化方式向用户展示经过分类整理的结构化知识，使得人们能够快速的获取所需要的知识，更能够通过知识库中现有的知识推理实现信息检索，这就是知识图谱的巨大应用价值。

3 知识图谱的知识架构（如何构建知识图谱）

逻辑结构以及体系架构是知识图谱的主要架构，知识图谱在逻辑结构上可分为模式层与数据层，一系列的事实组成数据层，模式层构建在数据层之上。

知识图谱的体系架构是指其构建模式的结构，主要包括知识抽取(包括实体抽取、关系抽取以及属性抽取等)、知识融合(包括实体消岐等)、知识加工(包括本体构架、知识推理等)和知识更新

4.1.png

(1)知识抽取。知识抽取有三个主要工作：实体抽取：指的是从原始语料中自动识别出命名实体。知识图谱中的最基本元素就是实体，知识库的质量是与所抽取的实体的完整性和准确性直接相关的。因此，知识抽取中非常关键的第一步就是实体抽取;关系抽取：以前人们通过人工构造语义规则以及模板的方法识别实体关系，从而构建实体间的语义链接，但是随着技术的革新，人工预定义的语法与规则被实体间的关系模型逐渐替代了。属性抽取：属性抽取主要是针对实体而言的，更多的属性能够将实体刻画的更加丰富完整。在一定程度上，可以将实体属性的抽取问题转换为关系抽取问题。

(2)知识表示。知识表示学习就是将实体的语义信息表示为稠密低维的实值向量，通过知识表示可以使用向量高效计算实体、关系及其之间的复杂语义关联，这对以后知识图谱的发展和应用都具有很大的意义。为了将知识表示为向量，在词向量研究的基础上，考虑将知识图谱中的实体和关系映射到连续的向量空间，并保留一些语义层面的信息，可以使得在下游任务中更加方便地操作知识图谱。

(3)知识融合。知识图谱中的知识质量良莠不齐，甚至有许多的知识重复，知识间没有明确的关联，在这种环境下，非常需要对知识进行融合加工。知识融合使来自不同知识源的知识在同一框架规范下进行数据整合、消歧、加工、推理验证、更新等步骤，形成高质量的知识库。随着社会的发展，知识的数量会急剧增加，所以知识库中的知识需要得到及时的更新，增加新的知识，使得知识库中的知识能够满足人们的需要，并且通过知识图谱能够快速的获取知识。

(4)知识推理。知识推理能够通过分析整理已经知道的实体关系数据，推理得到新的实体间的关联，使得网络中的信息更加丰富和准确，通过知识推理，能够有效的处理后续的知识图谱任务。当然，知识表示学习中所学到的嵌入向量是知识推理的前提，可以说，知识表示学习是知识推理的重要基础。

4 知识图谱的技术层次

知识图谱的技术包括浅层语义分析、表格理解、知识抽取、本体学习、图谱分析、机器学习等。