搜索技術(shù)日新月異，如今它不再是搜索框中輸入幾個(gè)單詞那么簡(jiǎn)單了。不僅輸入方式多樣化玷坠，并且還要在非常短的時(shí)間內(nèi)給出一個(gè)精準(zhǔn)而又全面的答案撇叁。目前供鸠，谷歌給出的解決方案就是——知識(shí)圖譜（Knowledge Graph）。

enter image description here

知識(shí)圖譜能做什么陨闹？

知識(shí)圖譜想做的楞捂，就是在不同數(shù)據(jù)（來(lái)自現(xiàn)實(shí)世界）之間建立聯(lián)系薄坏，從而帶給我們更有意義的搜索結(jié)果。

比如寨闹，在上圖中胶坠，用 Google 搜索自然語(yǔ)言處理，右側(cè)會(huì)顯示研究領(lǐng)域和相關(guān)概念鼻忠。點(diǎn)擊這些知識(shí)點(diǎn)涵但，又可以深入了解；再比如帖蔓，搜索一個(gè)人名時(shí)矮瘟，右側(cè)會(huì)給出此人的生平、背景塑娇、居住位置澈侠、作品等信息。

這就是知識(shí)圖譜埋酬，它不再是單一的信息哨啃，而是一個(gè)多元的信息網(wǎng)絡(luò)。

知識(shí)圖譜的源頭

知識(shí)圖譜的雛形好幾年前就已出現(xiàn)写妥，一家名為 Metaweb 的小公司拳球，將現(xiàn)實(shí)世界中實(shí)體（人或事）的各種數(shù)據(jù)信息存儲(chǔ)在系統(tǒng)中，并在數(shù)據(jù)之間建立起聯(lián)系珍特，從而發(fā)展出有別于傳統(tǒng)關(guān)鍵詞搜索的技術(shù)祝峻。

enter image description here

谷歌認(rèn)為這一系統(tǒng)很有發(fā)展?jié)摿Γ?010年收購(gòu)了 Metaweb扎筒。那時(shí) Metawab 已經(jīng)存儲(chǔ)了1200萬(wàn)個(gè)節(jié)點(diǎn)（Reference Point莱找，相當(dāng)于一個(gè)詞條或者一個(gè)頁(yè)面），谷歌收購(gòu)后的兩年中嗜桌，大大加速這一進(jìn)程奥溺，現(xiàn)已有超過(guò)5.7億個(gè)節(jié)點(diǎn)并在它們之間建了180億個(gè)有效連接（這可是一個(gè)相當(dāng)大的數(shù)字，維基百科英文版也才有大約400萬(wàn)個(gè)節(jié)點(diǎn)）骨宠。

知識(shí)圖譜的通用表示方法

本質(zhì)上浮定，知識(shí)圖譜是一種揭示實(shí)體之間關(guān)系的語(yǔ)義網(wǎng)絡(luò) ，可以對(duì)現(xiàn)實(shí)世界的事物及其相互關(guān)系進(jìn)行形式化地描述 〔阋冢現(xiàn)在的知識(shí)圖譜己被用來(lái)泛指各種大規(guī)模的知識(shí)庫(kù) 壶唤。

三元組是知識(shí)圖譜的一種通用表示方式，即 G=(E棕所，R闸盔，S)<math xmlns="http://www.w3.org/1998/Math/MathML"><mrow class="MJX-TeXAtom-ORD"><mi>G</mi><mo>=</mo><mo stretchy="false">(</mo><mi>E</mi><mrow class="MJX-TeXAtom-ORD"><mo>，</mo></mrow><mi>R</mi><mrow class="MJX-TeXAtom-ORD"><mo>琳省，</mo></mrow><mi>S</mi><mo stretchy="false">)</mo></mrow></math>迎吵，其中 E=e1躲撰，e2，…击费，e|E|<math xmlns="http://www.w3.org/1998/Math/MathML"><mi>E</mi><mo>=</mo><mrow class="MJX-TeXAtom-ORD"><msub><mi>e</mi><mn>1</mn></msub><mrow class="MJX-TeXAtom-ORD"><mo>拢蛋，</mo></mrow><msub><mi>e</mi><mn>2</mn></msub><mrow class="MJX-TeXAtom-ORD"><mo>，</mo></mrow><mo>…</mo><mrow class="MJX-TeXAtom-ORD"><mo>蔫巩，</mo></mrow><msub><mi>e</mi><mrow class="MJX-TeXAtom-ORD"><mrow class="MJX-TeXAtom-ORD"><mo stretchy="false">|</mo></mrow><mi>E</mi><mrow class="MJX-TeXAtom-ORD"><mo stretchy="false">|</mo></mrow></mrow></msub></mrow></math> 是知識(shí)庫(kù)中的實(shí)體集合谆棱，共包含 |E|<math xmlns="http://www.w3.org/1998/Math/MathML"><mrow class="MJX-TeXAtom-ORD"><mo stretchy="false">|</mo></mrow><mi>E</mi><mrow class="MJX-TeXAtom-ORD"><mo stretchy="false">|</mo></mrow></math> 種不同實(shí)體，R=r1圆仔，r2垃瞧，…,r|E|<math xmlns="http://www.w3.org/1998/Math/MathML"><mi>R</mi><mo>=</mo><mrow class="MJX-TeXAtom-ORD"><msub><mi>r</mi><mn>1</mn></msub><mrow class="MJX-TeXAtom-ORD"><mo>，</mo></mrow><msub><mi>r</mi><mn>2</mn></msub><mrow class="MJX-TeXAtom-ORD"><mo>坪郭，</mo></mrow><mo>…</mo><mo>,</mo><msub><mi>r</mi><mrow class="MJX-TeXAtom-ORD"><mrow class="MJX-TeXAtom-ORD"><mo stretchy="false">|</mo></mrow><mi>E</mi><mrow class="MJX-TeXAtom-ORD"><mo stretchy="false">|</mo></mrow></mrow></msub></mrow></math> 是知識(shí)庫(kù)中的關(guān)系集合个从，共包含 |R|<math xmlns="http://www.w3.org/1998/Math/MathML"><mrow class="MJX-TeXAtom-ORD"><mo stretchy="false">|</mo></mrow><mi>R</mi><mrow class="MJX-TeXAtom-ORD"><mo stretchy="false">|</mo></mrow></math> 種不同關(guān)系，S?E×R×E<math xmlns="http://www.w3.org/1998/Math/MathML"><mi>S</mi><mo>?</mo><mi>E</mi><mo>×</mo><mi>R</mi><mo>×</mo><mi>E</mi></math> 代表知識(shí)庫(kù)中的三元組集合歪沃。

三元組的基本形式主要包括實(shí)體 A嗦锐、關(guān)系、實(shí)體 B 和概念沪曙、屬性奕污、屬性值等，實(shí)體是知識(shí)圖譜中的最基本元素液走，不同的實(shí)體間存在不同的關(guān)系碳默。概念主要指集合、類別育灸、對(duì)象類型腻窒、事物的種類昵宇，例如人物磅崭、地理等；屬性主要指對(duì)象可能具有的屬性瓦哎、特征砸喻、特性、特點(diǎn)以及參數(shù)蒋譬，例如國(guó)籍割岛、生日等；屬性值主要指對(duì)象指定屬性的值犯助，例如中國(guó)癣漆、1988—09—08等。每個(gè)實(shí)體（概念的外延）可用一個(gè)全局唯一確定的 ID 來(lái)標(biāo)識(shí)剂买，每個(gè)屬性—屬性值對(duì)可用來(lái)刻畫(huà)實(shí)體的內(nèi)在特性惠爽，而關(guān)系可用來(lái)連接兩個(gè)實(shí)體癌蓖，刻畫(huà)它們之間的關(guān)聯(lián)。

如下圖是實(shí)體 A 與實(shí)體 B 組成的一個(gè)簡(jiǎn)單三元組形式婚肆。

enter image description here

知識(shí)圖譜的架構(gòu)

知識(shí)圖譜的架構(gòu)主要包括自身的邏輯結(jié)構(gòu)以及體系架構(gòu)租副，分別說(shuō)明如下。

1. 知識(shí)圖譜的邏輯結(jié)構(gòu)较性。

知識(shí)圖譜在邏輯上可分為模式層與數(shù)據(jù)層兩個(gè)層次用僧，數(shù)據(jù)層主要是由一系列的事實(shí)組成，而知識(shí)將以事實(shí)為單位進(jìn)行存儲(chǔ)赞咙。如果用（實(shí)體 A责循，關(guān)系，實(shí)體 B）人弓、（實(shí)體沼死、屬性，屬性值）這樣的三元組來(lái)表達(dá)事實(shí)崔赌，可選擇圖數(shù)據(jù)庫(kù)作為存儲(chǔ)介質(zhì)意蛀，例如開(kāi)源的 Neo4j、Twitter 的 FlockDB健芭、Sones 的 GraphDB 等县钥。模式層構(gòu)建在數(shù)據(jù)層之上，主要是通過(guò)本體庫(kù)來(lái)規(guī)范數(shù)據(jù)層的一系列事實(shí)表達(dá)慈迈。本體是結(jié)構(gòu)化知識(shí)庫(kù)的概念模板若贮，通過(guò)本體庫(kù)而形成的知識(shí)庫(kù)不僅層次結(jié)構(gòu)較強(qiáng)，并且冗余程度較小痒留。

2. 知識(shí)圖譜的體系架構(gòu)谴麦。

知識(shí)圖譜的體系架構(gòu)是指其構(gòu)建模式結(jié)構(gòu)，如圖下圖所示伸头。

enter image description here

知識(shí)圖譜主要有自頂向下與自底向上兩種構(gòu)建方式匾效。自頂向下指的是先為知識(shí)圖譜定義好本體與數(shù)據(jù)模式，再將實(shí)體加入到知識(shí)庫(kù)恤磷。該構(gòu)建方式需要利用一些現(xiàn)有的結(jié)構(gòu)化知識(shí)庫(kù)作為其基礎(chǔ)知識(shí)庫(kù)面哼，例如 Freebase 項(xiàng)目就是采用這種方式，它的絕大部分?jǐn)?shù)據(jù)是從維基百科中得到的扫步。自底向上指的是從一些開(kāi)放鏈接數(shù)據(jù)中提取出實(shí)體魔策，選擇其中置信度較高的加入到知識(shí)庫(kù)，再構(gòu)建頂層的本體模式河胎。目前闯袒，大多數(shù)知識(shí)圖譜都采用自底向上的方式進(jìn)行構(gòu)建，其中最典型就是 Google 的 Knowledge Vault。

知識(shí)圖譜的關(guān)鍵技術(shù)

大規(guī)模知識(shí)庫(kù)的構(gòu)建與應(yīng)用需要多種智能信息處理技術(shù)的支持政敢。這就涉及到當(dāng)下異澈诘停火爆的人工智能中的自然語(yǔ)言處理（NLP）技術(shù)俊嗽。

enter image description here

所謂自然語(yǔ)言达址，就是我們平時(shí)所說(shuō)的話（包括語(yǔ)音或文字）棘伴，但這些話計(jì)算機(jī)如何能“理解”？過(guò)程很復(fù)雜摩骨，下面是其中的幾個(gè)關(guān)鍵步驟通贞。

1. 知識(shí)抽取。

知識(shí)抽取技術(shù)恼五，可以從一些公開(kāi)的半結(jié)構(gòu)化昌罩、非結(jié)構(gòu)化的數(shù)據(jù)中提取出實(shí)體、關(guān)系灾馒、屬性等知識(shí)要素茎用。

知識(shí)抽取主要包含實(shí)體抽取、關(guān)系抽取睬罗、屬性抽取等轨功，涉及到的 NLP 技術(shù)有命名實(shí)體識(shí)別、句法依存容达、實(shí)體關(guān)系識(shí)別等古涧。

2. 知識(shí)表示。

知識(shí)表示形成的綜合向量對(duì)知識(shí)庫(kù)的構(gòu)建花盐、推理羡滑、融合以及應(yīng)用均具有重要的意義。

基于三元組的知識(shí)表示形式受到了人們廣泛的認(rèn)可算芯，但是其在計(jì)算效率柒昏、數(shù)據(jù)稀疏性等方面卻面臨著諸多問(wèn)題。近年來(lái)熙揍，以深度學(xué)習(xí)為代表的表示學(xué)習(xí)技術(shù)取得了重要的進(jìn)展职祷，可以將實(shí)體的語(yǔ)義信息表示為稠密低維實(shí)值向量，進(jìn)而在低維空間中高效計(jì)算實(shí)體诈嘿、關(guān)系及其之間的復(fù)雜語(yǔ)義關(guān)聯(lián)堪旧。

知識(shí)表示學(xué)習(xí)主要包含的 NLP 技術(shù)有語(yǔ)義相似度計(jì)算削葱、復(fù)雜關(guān)系模型奖亚，知識(shí)代表模型如距離模型、雙線性模型析砸、神經(jīng)張量模型昔字、矩陣分解模型、翻譯模型等。

3.知識(shí)融合作郭。

由于知識(shí)圖譜中的知識(shí)來(lái)源廣泛陨囊，存在知識(shí)質(zhì)量良莠不齊、來(lái)自不同數(shù)據(jù)源的知識(shí)重復(fù)夹攒、知識(shí)間的關(guān)聯(lián)不夠明確等問(wèn)題蜘醋，所以必須要進(jìn)行知識(shí)的融合。知識(shí)融合是高層次的知識(shí)組織咏尝，使來(lái)自不同知識(shí)源的知識(shí)在同一框架規(guī)范下進(jìn)行異構(gòu)數(shù)據(jù)整合压语、消歧、加工编检、推理驗(yàn)證胎食、更新等步驟，達(dá)到數(shù)據(jù)允懂、信息厕怜、方法、經(jīng)驗(yàn)以及人的思想的融合蕾总，形成高質(zhì)量的知識(shí)庫(kù)粥航。

在知識(shí)融合過(guò)程中，實(shí)體對(duì)齊生百、知識(shí)加工是兩個(gè)重要的過(guò)程躁锡。

4.知識(shí)推理。

知識(shí)推理則是在已有的知識(shí)庫(kù)基礎(chǔ)上進(jìn)一步挖掘隱含的知識(shí)置侍，從而豐富映之、擴(kuò)展知識(shí)庫(kù)。在推理的過(guò)程中蜡坊，往往需要關(guān)聯(lián)規(guī)則的支持杠输。由于實(shí)體、實(shí)體屬性以及關(guān)系的多樣性秕衙，人們很難窮舉所有的推理規(guī)則蠢甲，一些較為復(fù)雜的推理規(guī)則往往是手動(dòng)總結(jié)的。對(duì)于推理規(guī)則的挖掘据忘，主要還是依賴于實(shí)體以及關(guān)系間的豐富情況鹦牛。知識(shí)推理的對(duì)象可以是實(shí)體、實(shí)體的屬性勇吊、實(shí)體間的關(guān)系曼追、本體庫(kù)中概念的層次結(jié)構(gòu)等。

知識(shí)推理方法主要可分為基于邏輯的推理與基于圖的推理兩種類別汉规。

大規(guī)模開(kāi)放知識(shí)庫(kù)

互聯(lián)網(wǎng)的發(fā)展為知識(shí)工程提供了新的機(jī)遇礼殊。從一定程度上看驹吮，是互聯(lián)網(wǎng)的出現(xiàn)幫助突破了傳統(tǒng)知識(shí)工程在知識(shí)獲取方面的瓶頸。從1998年 Tim Berners Lee 提出語(yǔ)義網(wǎng)至今晶伦，涌現(xiàn)出大量以互聯(lián)網(wǎng)資源為基礎(chǔ)的新一代知識(shí)庫(kù)碟狞。這類知識(shí)庫(kù)的構(gòu)建方法可以分為三類：互聯(lián)網(wǎng)眾包、專家協(xié)作和互聯(lián)網(wǎng)挖掘婚陪，如下圖所示：

enter image description here

下面介紹幾個(gè)知名的中文知識(shí)圖譜資源：

• OpenKG.CN：中文開(kāi)放知識(shí)圖譜聯(lián)盟旨在通過(guò)建設(shè)開(kāi)放的社區(qū)來(lái)促進(jìn)中文知識(shí)圖譜數(shù)據(jù)的開(kāi)放與互聯(lián)族沃，促進(jìn)中文知識(shí)圖譜工具的標(biāo)準(zhǔn)化和技術(shù)普及。

• Zhishi.me ：Zhishi.me 是中文常識(shí)知識(shí)圖譜泌参。主要通過(guò)從開(kāi)放的百科數(shù)據(jù)中抽取結(jié)構(gòu)化數(shù)據(jù)竭业，已融合了百度百科，互動(dòng)百科以及維基百科中的中文數(shù)據(jù)及舍。

• CN-DBPeidia：CN-DBpedia 是由復(fù)旦大學(xué)知識(shí)工場(chǎng)實(shí)驗(yàn)室研發(fā)并維護(hù)的大規(guī)模通用領(lǐng)域結(jié)構(gòu)化百科未辆。

• cnSchema.org: cnSchema.org 是一個(gè)基于社區(qū)維護(hù)的開(kāi)放的知識(shí)圖譜 Schema 標(biāo)準(zhǔn)。cnSchema 的詞匯集包括了上千種概念分類锯玛、數(shù)據(jù)類型咐柜、屬性和關(guān)系等常用概念定義，以支持知識(shí)圖譜數(shù)據(jù)的通用性攘残、復(fù)用性和流動(dòng)性拙友。

知識(shí)圖譜的典型應(yīng)用

知識(shí)圖譜為互聯(lián)網(wǎng)上海量、異構(gòu)歼郭、動(dòng)態(tài)的大數(shù)據(jù)表達(dá)遗契、組織、管理以及利用提供了一種更為有效的方式病曾，使得網(wǎng)絡(luò)的智能化水平更高牍蜂，更加接近于人類的認(rèn)知思維。

enter image description here

基于大規(guī)模開(kāi)放知識(shí)庫(kù)或知識(shí)圖譜的應(yīng)用泰涂，目前尚處在持續(xù)不斷的發(fā)展與探索的階段鲫竞。下面列出了一些國(guó)內(nèi)外比較出色的應(yīng)用。

1. 語(yǔ)義檢索逼蒙。

谷歌公司通過(guò)建立 Google Knowledge Graph从绘，實(shí)現(xiàn)了對(duì)知識(shí)的體系化組織與展示，試圖從用戶搜索意圖感知是牢、以及查詢擴(kuò)展的角度僵井，直接提供給用戶想要的知識(shí)。

2. 智能問(wèn)答驳棱。

IBM 公司通過(guò)搭建知識(shí)圖譜批什，并通過(guò)自然語(yǔ)言處理和機(jī)器學(xué)習(xí)等技術(shù)，開(kāi)發(fā)出了 Watson 系統(tǒng)蹈胡。在2011年2月的美國(guó)問(wèn)答節(jié)目《Jeopardy!》上渊季，Watson 戰(zhàn)勝了這一節(jié)目的兩位冠軍選手，可與1996年同樣來(lái)自 IBM 的“深藍(lán)”戰(zhàn)勝國(guó)際象棋大師卡斯帕羅夫產(chǎn)生的影響相提并論罚渐，被認(rèn)為是人工智能歷史上的一個(gè)里程碑却汉。

3. 領(lǐng)域?qū)＜铱焖偕伞?/strong>