1.知識(shí)圖譜：

? ? ?1).描述客觀世界中存在的實(shí)體或概念指攒；

? ? ?2).其中每個(gè)實(shí)體或概念有一個(gè)唯一ID標(biāo)識(shí)拓劝，稱之為標(biāo)識(shí)符考赛；（實(shí)體）

? ? ?3).每個(gè)（屬性-值）描述各個(gè)實(shí)體或概念的內(nèi)在特性一罩，用關(guān)系來(lái)描述各個(gè)實(shí)體或者概念的關(guān)聯(lián)月趟；（關(guān)系）

? ? ?提供一種豐富的語(yǔ)義信息灯蝴，建立與現(xiàn)實(shí)世界實(shí)體的關(guān)系；

2.知識(shí)圖譜的構(gòu)建：

? ? 1）數(shù)據(jù)源：主要是文本孝宗、dom trees,html表格穷躁、RDF語(yǔ)義數(shù)據(jù)，用于信息抽取因妇，多數(shù)據(jù)源也可有效的判定知識(shí)的可信性问潭；

? ? a.大規(guī)模知識(shí)庫(kù)，比如百度百科婚被、wiki百科狡忙、以及一些大公司資助的知識(shí)庫(kù)（谷歌收購(gòu)的Freebase,德國(guó)萊比錫大學(xué)等DBpedia,德國(guó)馬克斯·普朗特研究所的YAGO等等），還有一些領(lǐng)域?qū)＜艺淼念I(lǐng)域知識(shí)庫(kù)摔寨；

? ? b.互聯(lián)網(wǎng)鏈接數(shù)據(jù)：就是W3C發(fā)起的項(xiàng)目Linked opend data (LOD) ：將互聯(lián)網(wǎng)文檔組成的萬(wàn)維網(wǎng)(web of document)擴(kuò)展成互聯(lián)數(shù)據(jù)組成的知識(shí)空間(web of data),LOD通過(guò)RDF(resource description framework)形式在web上發(fā)布各種開(kāi)放數(shù)據(jù)集去枷；

? ? ps：RDF是一種描述結(jié)構(gòu)化數(shù)據(jù)的框架，它將實(shí)體間的關(guān)系表示為（實(shí)體1是复，關(guān)系删顶，實(shí)體2）的三元組；

? ? ?RDF還允許不同來(lái)源的數(shù)據(jù)項(xiàng)之間設(shè)置RDF鏈接淑廊，實(shí)現(xiàn)語(yǔ)義web知識(shí)庫(kù)逗余。但有一些問(wèn)題：主要是很多機(jī)構(gòu)發(fā)布的數(shù)據(jù)集存在冗余和異構(gòu)等問(wèn)題；

? ? c.互聯(lián)網(wǎng)網(wǎng)頁(yè)文本數(shù)據(jù)：從海量的互聯(lián)網(wǎng)中直接抽取數(shù)據(jù)季惩，當(dāng)然很多就是無(wú)結(jié)構(gòu)化的數(shù)據(jù)了录粱，很多人采取的方式是只采集表格中的數(shù)據(jù)等；

2）知識(shí)融合：

? ? 涉及‘實(shí)體融合’画拾，‘關(guān)系融合’啥繁，‘實(shí)例融合’；（實(shí)例= 實(shí)體+關(guān)系）青抛；

? ? 其一旗闽，實(shí)體融合涉及三個(gè)處理：1.同區(qū)域下的不同實(shí)體名稱稱謂規(guī)約到同一個(gè)實(shí)體下，2.同一個(gè)稱謂在不同語(yǔ)言不同地區(qū)不同國(guó)家的命名；3.同一個(gè)實(shí)體名在不同的語(yǔ)境下會(huì)有不同的含義（例如‘蘋(píng)果’）

? ? 其二：關(guān)系融合與實(shí)體融合大體一致适室；

? ? 其三：實(shí)例融合在處理了實(shí)體融合和關(guān)系融合之后嫡意，就開(kāi)始處理三元組實(shí)例的融合；

3.知識(shí)圖譜的主要技術(shù)點(diǎn)捣辆，智能信息處理技術(shù)

? ? 1）實(shí)體鏈指（Entity Linking）

? ? ?將網(wǎng)頁(yè)中出現(xiàn)的實(shí)體鏈接到相應(yīng)的知識(shí)庫(kù)詞條上蔬螟，實(shí)際上是將互聯(lián)網(wǎng)網(wǎng)頁(yè)與實(shí)體之間建立了鏈接關(guān)系；

? ? ?需要做的事情：計(jì)算機(jī)自動(dòng)實(shí)現(xiàn)實(shí)體鏈指汽畴，需要注意的是知識(shí)圖譜不僅包含實(shí)體旧巾，而且還還有大量概念（concept）

? ? ?具體要實(shí)現(xiàn)：實(shí)體識(shí)別（entity recognition）和實(shí)體消歧（entity disambiguation）

? ? ?實(shí)體鏈指不局限于文本和實(shí)體，包括圖像整袁，社交媒體菠齿，數(shù)據(jù)與實(shí)體的關(guān)聯(lián)佑吝。

2）關(guān)系抽茸肌（Relation Extraction）

? ? ?構(gòu)建知識(shí)圖譜的重要來(lái)源之一就是從互聯(lián)網(wǎng)網(wǎng)頁(yè)文本中抽取實(shí)體關(guān)系。關(guān)系抽取是一種典型的信息抽取任務(wù)芋忿。

? ? ?其典型的方法是采用自舉（bootstrapping）的思想：

? ? ?a.按照‘模板生成->實(shí)例抽取’的流程不斷迭代直至收斂炸客。舉例說(shuō)明：‘X是Y的首都’模板取出（中國(guó)，首都戈钢，北京）等三元組實(shí)例痹仙；然后根據(jù)這些三元組中的實(shí)例對(duì)‘中國(guó)-北京’可以發(fā)現(xiàn)更多的匹配模板，如‘Y的首都是X’,'X是Y的政治中心'等殉了，進(jìn)而用新發(fā)現(xiàn)的模板抽取更多新的三元組實(shí)例开仰，通過(guò)反復(fù)迭代不斷抽取新的實(shí)例與模板。但是這種方法雖然直觀有效薪铜，但是面臨很多的挑戰(zhàn)問(wèn)題众弓，如在擴(kuò)展中遇到很容易引入噪聲實(shí)例和模板，出現(xiàn)語(yǔ)義漂移的現(xiàn)象隔箍，降低抽取準(zhǔn)確度谓娃。當(dāng)然處理這些問(wèn)題現(xiàn)象有一些方法，比如‘同時(shí)擴(kuò)展多個(gè)互斥類別的知識(shí)’蜒滩，‘提出引入負(fù)實(shí)例來(lái)限制語(yǔ)義漂移‘滨达。

? ? ?b. 也可以通過(guò)識(shí)別表達(dá)語(yǔ)義關(guān)系的短語(yǔ)來(lái)抽取實(shí)體間的關(guān)系，通過(guò)句法分析出實(shí)體的多個(gè)關(guān)系（同一個(gè)意思的多種表達(dá)）俯艰，一般是一個(gè)以動(dòng)詞為核心的短語(yǔ)捡遍，無(wú)需人工定義關(guān)系的種類，但是這種自由度帶來(lái)的問(wèn)題是沒(méi)有歸一化竹握，自動(dòng)發(fā)現(xiàn)的關(guān)系進(jìn)行的聚類歸約是一個(gè)挑戰(zhàn)性問(wèn)題画株；

? ? c.將關(guān)系看成分類標(biāo)簽，把關(guān)系抽取轉(zhuǎn)換成對(duì)實(shí)體對(duì)的關(guān)系分類問(wèn)題，采用此方法的缺陷主要來(lái)源于缺乏標(biāo)注語(yǔ)料污秆。斯坦福（遠(yuǎn)程監(jiān)督思想）使用知識(shí)圖譜中已有的三元組實(shí)例啟發(fā)式的標(biāo)注訓(xùn)練語(yǔ)料劈猪，將知識(shí)圖譜三元組中每個(gè)實(shí)體看做待分類樣例，將知識(shí)圖譜中實(shí)體對(duì)關(guān)系看做分類標(biāo)簽良拼，通過(guò)從出現(xiàn)實(shí)體對(duì)的所有句子中抽取特征战得，利用機(jī)器學(xué)習(xí)分類模型(如最大熵分類、SVM等)構(gòu)建信息抽取系統(tǒng)庸推。遠(yuǎn)程監(jiān)督能夠根據(jù)知識(shí)圖譜自動(dòng)構(gòu)建大規(guī)模標(biāo)注語(yǔ)料庫(kù)常侦，但是和自舉思想一樣，同樣也會(huì)出現(xiàn)大量噪聲訓(xùn)練樣例贬媒，嚴(yán)重?fù)p害模型準(zhǔn)確度聋亡。處理方法：一個(gè)正確訓(xùn)練實(shí)例往往位于語(yǔ)義一致的區(qū)域，也就是其周邊的實(shí)例應(yīng)用擁有相同的關(guān)系际乘，也可以利用因子圖坡倔、矩陣分解等方法，建立數(shù)據(jù)內(nèi)部的關(guān)聯(lián)關(guān)系脖含，以實(shí)現(xiàn)有效降低噪聲罪塔；

3）知識(shí)推理（Knowledge Reasoning）

? ? ?首先，推理能力是人類智能的重要特征养葵，能夠從已有的知識(shí)中發(fā)現(xiàn)隱含的知識(shí)征堪。其需要相關(guān)規(guī)則的支持；

? ? ?毋庸置疑关拒，通過(guò)人工手工構(gòu)建佃蚜，很費(fèi)時(shí)間精力，如何自動(dòng)挖掘相關(guān)推理規(guī)則或模式着绊，現(xiàn)在主要依賴關(guān)系之間的同現(xiàn)情況谐算，利用關(guān)聯(lián)挖掘技術(shù)來(lái)自動(dòng)發(fā)現(xiàn)推理規(guī)則；

? ? ?實(shí)體之間有豐富的同現(xiàn)信息畔柔，比如X,Y,Z間出現(xiàn)的實(shí)例(x氯夷，父親，y)靶擦，（y,父親腮考，z）以及(x,祖父，z)統(tǒng)計(jì)出（父親+父親->祖父）玄捕。利用推理規(guī)則實(shí)現(xiàn)關(guān)系抽取的經(jīng)典方法是Path Ranking Algorithm (Lao & Cohen ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?? ?????2010)踩蔚，該方法將每種不同的關(guān)系路徑作為一維特征，通過(guò)在知識(shí)圖譜中統(tǒng)計(jì)大量的關(guān)系路徑構(gòu)建關(guān)系分類的特征向量枚粘，建立關(guān)系分類器進(jìn)行關(guān)系抽取馅闽，取得不錯(cuò)的抽取效果，成為近年來(lái)的關(guān)系抽取的代表方法之一。但這種基于關(guān)系的同現(xiàn)統(tǒng)計(jì)的方法福也，面臨嚴(yán)重的數(shù)據(jù)稀疏問(wèn)題局骤。 在知識(shí)推理方面還有很多的探索工作，例如采用謂詞邏輯（Predicate Logic）等形式化方法和馬爾科夫邏輯網(wǎng)絡(luò)（Markov Logic Network）等建模工具進(jìn)行知識(shí)推理研究暴凑。目前來(lái)看峦甩，這方面研究仍處于百家爭(zhēng)鳴階段，大家在推理表示等諸多方面仍為達(dá)成共識(shí)现喳，未來(lái)路徑有待進(jìn)一步探索凯傲。

4）知識(shí)表示(knowledge Representation)

? ? ?在計(jì)算機(jī)中如何對(duì)知識(shí)圖譜進(jìn)行表示與存儲(chǔ)，往往將知識(shí)圖譜作為復(fù)雜網(wǎng)絡(luò)進(jìn)行存儲(chǔ)嗦篱，這個(gè)網(wǎng)絡(luò)的每個(gè)節(jié)點(diǎn)帶有實(shí)體標(biāo)簽冰单，而每條邊帶有關(guān)系標(biāo)簽【拇伲基于這種網(wǎng)絡(luò)的表示方案诫欠，知識(shí)圖譜的相關(guān)應(yīng)用任務(wù)往往需要借助于 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?????圖算法來(lái)完成。該表示方法面臨嚴(yán)重的數(shù)據(jù)稀疏問(wèn)題腿宰，對(duì)于那些對(duì)外連接較少的實(shí)體呕诉，一些圖方法可能束手無(wú)策或效果不佳缘厢。此外吃度，圖算法往往計(jì)算復(fù)雜度較高，無(wú)法適應(yīng)大規(guī)模知識(shí)圖譜的應(yīng)用需求贴硫。

? ? ?方法：伴隨著深入學(xué)習(xí)和表示學(xué)習(xí)的發(fā)展椿每，知識(shí)圖譜的實(shí)體和關(guān)系的語(yǔ)義信息用低維向量表示，這種分布式表示（Distributed Representation）方案能夠極大地幫助基于網(wǎng)絡(luò)的表示方案英遭。其中间护，最簡(jiǎn)單有效的模型是最近提出的TransE(Bordes, et al. 2013)。TransE基于實(shí)體和關(guān)系的分布式向量表示挖诸，將每個(gè)三元組實(shí)例（head汁尺，relation，tail）中的關(guān)系relation看做從實(shí)體head到實(shí)體tail的翻譯多律，通過(guò)不斷調(diào)整h痴突、r和t（head、relation和tail的向量）狼荞，使（h + r） 盡可能與 t 相等辽装，即 h + r = t。

? ? ? 利用分布式向量相味，我們可以通過(guò)歐氏距離或余弦距離等方式拾积，很容易地計(jì)算實(shí)體間、關(guān)系間的語(yǔ)義相關(guān)度。這將極大的改進(jìn)開(kāi)放信息抽取中實(shí)體融合和關(guān)系融合的性能拓巧。通過(guò)尋找給定實(shí)體的相似實(shí)體斯碌，還可用于查詢擴(kuò)展和查詢理解等應(yīng)用。這種向量表示有一些作用肛度，1.反過(guò)來(lái)输拇，知識(shí)表示可以用于關(guān)系抽取，給定兩個(gè)實(shí)體h和t的時(shí)候贤斜，可以通過(guò)尋找與t-h最相似的r來(lái)尋找策吠，兩個(gè)實(shí)體間的關(guān)系，實(shí)驗(yàn)證明瘩绒，該方法的抽取性能較高猴抹。而且我們可以發(fā)現(xiàn)，該方法僅需要知識(shí)圖譜作為訓(xùn)練數(shù)據(jù)锁荔，不需要外部的文本數(shù)據(jù)蟀给，因此這又稱為知識(shí)圖譜補(bǔ)全（Knowledge Graph Completion），與復(fù)雜網(wǎng)絡(luò)中的鏈接預(yù)測(cè)（Link Prediction）類似阳堕，但是要復(fù)雜得多跋理，因?yàn)樵谥R(shí)圖譜中每個(gè)節(jié)點(diǎn)和連邊上都有標(biāo)簽（標(biāo)記實(shí)體名和關(guān)系名）。2.知識(shí)表示向量還可以用于發(fā)現(xiàn)關(guān)系間的推理規(guī)則恬总。例如前普，對(duì)于大量X、Y壹堰、Z間出現(xiàn)的(X拭卿，父親，Y)贱纠、(Y峻厚，父親，Z)以及(X谆焊，祖父惠桃，Z)實(shí)例，我們?cè)赥ransE中會(huì)學(xué)習(xí)X+父親=Y辖试，Y+父親=Z辜王，以及X+祖父=Z等目標(biāo)。根據(jù)前兩個(gè)等式剃执，我們很容易得到X+父親+父親=Z誓禁，與第三個(gè)公式相比，就能夠得到“父親+父親=>祖父”的推理規(guī)則肾档。前面我們介紹過(guò)摹恰，基于關(guān)系的同現(xiàn)統(tǒng)計(jì)學(xué)習(xí)推理規(guī)則的思想辫继，存在嚴(yán)重的數(shù)據(jù)稀疏問(wèn)題。如果利用關(guān)系向量表示提供輔助俗慈，可以顯著緩解稀疏問(wèn)題姑宽。

4.關(guān)注點(diǎn)

? ? ?根據(jù)各搜索引擎公司提供的報(bào)告來(lái)看，為了保證知識(shí)圖譜的準(zhǔn)確率闺阱，仍然需要在知識(shí)圖譜構(gòu)建過(guò)程中采用較多的人工干預(yù)炮车。

? ? ?1.知識(shí)類型與表示。知識(shí)圖譜主要采用(實(shí)體1,關(guān)系,實(shí)體2)三元組的形式來(lái)表示知識(shí)酣溃，這種方法可以較好的表示很多事實(shí)性知識(shí)瘦穆。然而，人類知識(shí)類型多樣赊豌，面對(duì)很多復(fù)雜知識(shí)扛或，三元組就束手無(wú)策了。例如碘饼，人們的購(gòu)物記錄信息熙兔，新聞事件等，包含大量實(shí)體及其之間的復(fù)雜關(guān)系艾恼，更不用說(shuō)人類大量的涉及主觀感受住涉、主觀情感和模糊的知識(shí)了。有很多學(xué)者針對(duì)不同場(chǎng)景設(shè)計(jì)不同的知識(shí)表示方法钠绍。知識(shí)表示是知識(shí)圖譜構(gòu)建與應(yīng)用的基礎(chǔ)舆声，如何合理設(shè)計(jì)表示方案，更好地涵蓋人類不同類型的知識(shí)五慈，是知識(shí)圖譜的重要研究問(wèn)題纳寂。最近認(rèn)知領(lǐng)域關(guān)于人類知識(shí)類型的探索(Tenenbaum, et al. 2011)也許會(huì)對(duì)知識(shí)表示研究有一定啟發(fā)作用。

? ? ?2.知識(shí)獲取泻拦。如何從互聯(lián)網(wǎng)大數(shù)據(jù)萃取知識(shí)，是構(gòu)建知識(shí)圖譜的重要問(wèn)題忽媒。目前已經(jīng)提出各種知識(shí)獲取方案争拐，并已經(jīng)成功抽取大量有用的知識(shí)。但在抽取知識(shí)的準(zhǔn)確率晦雨、覆蓋率和效率等方面架曹，都仍不如人意，有極大的提升空間闹瞧。

? ? ?3.知識(shí)融合绑雄。來(lái)自不同數(shù)據(jù)的抽取知識(shí)可能存在大量噪音和冗余，或者使用了不同的語(yǔ)言奥邮。如何將這些知識(shí)有機(jī)融合起來(lái)万牺，建立更大規(guī)模的知識(shí)圖譜罗珍，是實(shí)現(xiàn)大數(shù)據(jù)智能的必由之路。

? ? ?4.知識(shí)應(yīng)用脚粟。目前大規(guī)模知識(shí)圖譜的應(yīng)用場(chǎng)景和方式還比較有限覆旱，如何有效實(shí)現(xiàn)知識(shí)圖譜的應(yīng)用，利用知識(shí)圖譜實(shí)現(xiàn)深度知識(shí)推理核无，提高大規(guī)模知識(shí)圖譜計(jì)算效率扣唱，需要人們不斷銳意發(fā)掘用戶需求，探索更重要的應(yīng)用場(chǎng)景团南，提出新的應(yīng)用算法噪沙。這既需要豐富的知識(shí)圖譜技術(shù)積累，也需要對(duì)人類需求的敏銳感知吐根，找到合適的應(yīng)用之道曲聂。

5.總結(jié)：

?? ? 知識(shí)圖譜是下一代搜索引擎、自動(dòng)問(wèn)答等智能應(yīng)用的基礎(chǔ)設(shè)施佑惠。

?? ? 互聯(lián)網(wǎng)大數(shù)據(jù)是知識(shí)圖譜的重要數(shù)據(jù)來(lái)源朋腋。

? ? ?知識(shí)表示是知識(shí)圖譜構(gòu)建與應(yīng)用的基礎(chǔ)技術(shù)。

? ? ?實(shí)體鏈指膜楷、關(guān)系抽取和知識(shí)推理是知識(shí)圖譜構(gòu)建與應(yīng)用的核心技術(shù)旭咽。

? ? ?知識(shí)圖譜與本體（Ontology）和語(yǔ)義網(wǎng)（Semantic Web）等密切相關(guān)，有興趣的親可以搜索與之相關(guān)的文獻(xiàn)閱讀赌厅。知識(shí)表示（Knowledge Representation）是人工智能的重要課題穷绵，讀者可以通過(guò)人工智能專著(Russell & Norvig 2009)了解其發(fā)展歷程。在關(guān)系抽取方面特愿，讀者可以閱讀(Nauseates, et al. 2013)仲墨、(Nickel, et al. 2015)詳細(xì)了解相關(guān)技術(shù)。

--畢揍障，此部分為知識(shí)庫(kù)部分讀書(shū)筆記目养。