1、概论

知识图谱（KnowledgeGraph）以结构化的形式描述客观世界中的概念实体及其关系，将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织，管理和理解互联网海量信息的能力。
知识图谱关注概念，实体及其关系，其中实体是客观世界中的事物，概念是对具有相同属性的事物的概括和抽象。本体是知识图谱的知识表示基础，可以形式化表示为O={C,H,P,A,I}，C为概念集合，如事务性概念和事件类概念，Hshi概念的上下位关系集合，P是属性集合，描述概念所具有的特征，A是规则集合，描述领域规则，I是实例集合，描述实例-属性-值。

2、什么是知识图谱？

知识图谱的定义：“知识图谱本质上是语义网络（Semantic Network）的知识库”。换个角度，从实际应用的角度出发其实可以简单地把知识图谱理解成多关系图（Multi-relational Graph）。

什么是对关系图？
图（Graph）是由节点（Vertex）和边（Edge）来构成，但这些图通常只包含一种类型的节点和边。多关系图一般包含多种类型的节点和多种类型的边。

知识图谱中，我们通用“实体（Entity）”来表达图中的节点，用“关系（Relation）”来表达图中的边；
实体指的是显示世界中的事物比如人、地名、概念、药物、公司等，关系则用来表达不同实体之间的某种联系。

李小龙的关系图谱：

从数据角度来看，知识图谱通过对结果化数据、非结构化数据、半结构化数据进行处理、抽取、整合，转化成“实体—关系—实体”的三元组。

3、知识图谱构建

3.1、构建知识图谱的生命周期

构建知识图谱的生命周期：Schema 定义、知识抽取、知识融合、知识存储、知识推理这样的循环迭代的过程。

生命周期

什么是本体？
Ontology：通常翻译为“本体”。本体本身是个哲学名词。在上个世纪80年代，人工智能研究人员将这一概念引入了计算机领域。Tom Gruber 把本体定义为“概念和关系的形式化描述”。通俗点讲，本体相似于数据库中的 Schema ，比如足球领域，主要用来定义类和关系，以及类层次和关系层次等。OWL 是最常用的本体描述语言。本体通常被用来为知识图谱定义 Schema 。
举个例子：
张三是一个实体，其具有年龄、性别、职业等属性；
同时，张三是一个人，“人类”就是一个概念、类似的还有“国家”，“民族”等抽象概念；
本体是概念的集合，知识图谱本体层的东西就是各种概念及其属性和关系。

3.2、Schema定义

Schema 是什么？
限定待加入知识图谱数据的格式；相当于某个领域内的数据模型，包含了该领域内有意义的概念类型以及这些类型的属性。
Schema 有什么作用？
规范结构化数据的表达，一条数据必须满足Schema预先定义好的实体对象及其类型，才被允许更新到知识图谱中。

3.3、知识抽取

从各种数据源中进行实体识别、关系识别，从而抽取实体、关系、属性以及实体间的关系，属性的值，完成本体的知识表达，具体可以参照前文关于知识库的表达部分。对于知识图谱来说，数据源我们知道有结构化数据，非结构化数据和半结构化数据。

数据来源一般有：

业务的关系数据，这些数据通常包含在公司内数据库中；一般是结构化数据，或者是系统交互中Jison数据，虽然没有结构化，但是仍然可以通过功能进行存储，这种数据一般定义好本体库可以直接使用；
网上公开发布的可以抓取的数据，通常以网页形式存在，这种一般要通过爬虫技术，通过本体库相关关键词进行数据的爬取并结构化；
相关合同、文件等，比如一些保险合同、电子发票信息等；这种一般需要自然语言处理技术，进行数据信息的结构化提取。

信息的抽取是知识图谱构建的第一步，关键的点是：如何从数据源中自动抽取到实体、关系、以及属性等机构化技术。
实体抽取又称为实体识别，就是从文本中自动识别出来命名的实体，它是信息抽取中最基础的部分。
关系抽取就是进行语义的识别，抽取到实体间的关系，这个是信息抽取中最关键的部分，也是形成网状知识结构的基础。
关系的识别运用到各种算法模型以及机器学习的方法，属性抽取实现的是实体属性的完整勾勒。

3.4、知识融合

主要是新知识的融合、整合、判别同义、近义、消除歧义、矛盾。
比如，某些实体数据在显示世界中有多种表达方式，公司的注册名称、公司的简称等，要对这些知识进行同义融合，再比如某些特定的称谓也许对应着多个不同的实体。

知识融合包括两部分：实体链接和知识合并。

实体链接：是指对于从文本中抽取得到的实体对象，将其链接到知识库中对应的正确实体对象的操作。一般是从知识库中选中一些候选的对象，然后通过相似度将指定对象链接到正确的实体。流程如下：通过实体抽取获取实体指称项——通过实体消歧（解决同名实体歧义）和共指消解（多个指称指向同一实体进行相应的合并）——将实体指称链接到知识库对应实体。
知识合并：从第三方知识库产品或是已有的结构化数据中进行知识的获取，一般是合并外部知识库和和合并关系数据库，合并中要避免实体与关系的冲突问题，防止不必要的冗余。

3.5、知识存储

知识图谱主要有两种存储方式：一种是基于 RDF 的存储；另一种是基于图数据库的存储。它们之间的区别如下图所示。RDF 一个重要的设计原则是数据的易发布以及共享，图数据库则把重点放在了高效的图查询和搜索上。其次，RDF 以三元组的方式来存储数据而且不包含属性信息，但图数据库一般以属性图为基本的表示形式，所以实体和关系可以包含属性，这就意味着更容易表达现实的业务场景。
RDF和图数据库

知识存储，就是如何选择数据库，从选择层面，我们有图数据库，有NoSQL的数据库，也有关系型数据库，数据库有很多选择。具体什么样的情况下选择什么样的数据库？通常是如果说知识图谱的关系结构非常的复杂、关系非常的多，这时候建议使用这个图数据库，比如Neo4J这样的数据库。顺便了解一下目前主流的几款图数据库，Titan、Graph Engine、Neo4J这个三个分别都是开源的，然后Titan是Apache旗下的，Graph Engine是MIT的License，Neo4J是GPL开源的，既有商业版，也有也有开源免费版。然后它们的平台，像Titan是Linux，Graph是windows。而数据的支撑量级，像Titan是后端存储，基于Cassandra/Hbase/BDB这样的分布式存储引擎，可以支持更大的数据量，千亿级的数据量级；Neo4J商业版也可以支持到百亿级的，但是它的非商业版在数据量级比较大的时候，一般是在几千万级的时候就可能会出现一些问题。
图谱存储

3.6、知识推理

知识推理这边有几种方法，基于符号的推理、基于 OWL 本体的推理、基于图的方法（PRA算法）、基于分布式知识语义标识方法（Trans系列模型）、TransR 模型、基于深度学习的推理。
知识图谱不仅仅是根据关系的检索，更大的核心用途是推理，发现图谱中的隐藏关系，而不是发现新知识。

1）通过实体间的关系推理相关关系

通过多实体间的关系，可以推断其他的关系，比如张三和李四之间是夫妻关系，王五是张三的领导，王五居住在A城市，我们可以推论李四也居住在A城市。

2）通过实体间的关系推理相关属性

通过多实体间的关系，实体的属性值，可以推断其实体的属性值。这个与通过实体间的关系推论关系道理类似，也可以通过一个实体间的关系、根据实体的属性推断另一个实体的属性。

在AI中涉及到推理的方法有很多，有基于逻辑的推理，有基于深度学习的推——这个就是基于图谱的推理，也就是通过关系、属性的因素做的推理。

4、图谱建设的一些经验

我们在知识图谱建设当中的一些经验：

第一，界定好范围，就是要有一个明确的场景和问题的定义，不能说为了知识图谱而知识图谱。如果没有想清楚知识图谱有什么样的应用的场景，或者能解决什么样的问题，这样的知识图谱是比较难以落地的。一些明确的场景，比如解决商品数据的搜索问题，或者从产品说明书里面做相关问题的回答。
第二，做好schema的定义，就是上面讲到的对于schema或者本体的定义。第一步确定好场景和问题以后，就基于这样的场景或者问题，再进行相关领域的schema的定义。定义这个领域里概念的层次结构、概念之间的关系的类型，这样做是确保整个知识图谱是比较严谨的，知识的准确性是比较可靠的。知识的模型的定义，或者schema的定义，大部分情况下是通过这个领域的知识专家的参与，自上而下的方式去定义的。
第三，数据是知识图谱构建基础。数据的梳理就比较重要，最需要什么样的数据？依赖于我们要解决的问题是什么，或者我们的应用场景是什么？基于问题和场景，梳理出领域相关的问题、相关的数据，包括结构化的数据、半结构化数据、无结构化的数据，结合百科跟这个领域相关的数据，领域的词典，或者领域专家的经验的规则。
第四，不要重复去造轮子，很多百科的数据和开放知识图谱的数据，是可以融合到我们的领域知识图谱中。
第五，要有验证和反馈机制，需要有管理后台，用户可以不断的和知识图谱系统进行交互，不断的进行确认和验证，确保知识图谱每一步推理和计算都是准确的。
第六，知识图谱构建是持续迭代的系统工程，不可能一蹴而就。