0 基础知识
-
知识图谱中，知识的结构化表示主要有符号表示和向量表示两类方法。符号表示包括：一阶谓词逻辑，语义网络，描述逻辑和框架系统等。当前主要采用基于图的符号化知识表示，最常用的是有向标记图。
-
有向标记图分为：属性图（property graph）和RDF图（Resource Description Framework，RDF）。
- 属性图：图数据库Neo4j实现的图结构表示模型，工业界最常用的知识图谱建模方法。优点：允许为实体或边添加属性，易于存储和查询。缺点：缺乏工业标准规范的支持，不关注更深层次的语义表达、不支持符号逻辑推理。
- 顶点（vertex）/节点（node）
- 边（edge）/关系（relation）：有向边和对应标签
- 标签（label）
- 属性（property）：键值对
- RDF：W3C推出的语义数据交换标准与规范，支持逻辑推理。RDF的基本组成单元是 (S,P,O)三元组，（Subject主，Predicate谓，Object宾）。
- 在RDF的基础上还提供了RDFS(Resource Description Framework Schema)。定义了Class、subClass、Property、subProperty、domain、range、type…等概念。
- 在RDF的基础上还提供了RDFS(Resource Description Framework Schema)。定义了Class、subClass、Property、subProperty、domain、range、type…等概念。
- 属性图：图数据库Neo4j实现的图结构表示模型，工业界最常用的知识图谱建模方法。优点：允许为实体或边添加属性，易于存储和查询。缺点：缺乏工业标准规范的支持，不关注更深层次的语义表达、不支持符号逻辑推理。
-
OWL(Ontology Web Language)： 在RDFS的基础上增加了更多的语义表达构建，如一对多、多对一、多对多等关系，全称量词和存在量词，互反关系、传递关系、自反关系、对称性等。
1 图数据存储
- 知识图谱的存储分为：基于关系数据库的存储和基于原生图的存储。图数据库对于知识图谱并非必须项。
- 考虑存储结构主要考虑：存储的物理结构、存储的性能问题、图的查询问题。
基于关系数据库的存储
- 一般不用这种方式，除非场景非常简单。
- 图上的查询语言：SPARQL。
- 最简单的存储：SPO三元组
- 属性表存储：把同一实体类型的属性组织为一张表进行存储。优点：self-join减少了。缺点：空值多，对Subject聚类比较复杂，不易处理多值属性。
- 二元表存储：对三元组按属性分表。优点：无空值，不用聚类，对subject-subject-join性能好，缺点：insert代价高，subject-object join性能差。
- 全索引结构存储：
基于原生图的存储
- Neo4j 定义了图查询语言：Cypher。
- 实现原理：免索引邻接(index-free adjacency)，为每个节点维护了一组指向相邻节点的引用，这个引用可以看作相邻节点的微索引。
2 知识抽取
- 文本知识抽取：命名实体识别、概念抽取、关系抽取、事件抽取。
命名实体识别
- 最朴素的做法是定义规则进行正则匹配，但规则难以维护。因此一般用AI来进行序列标注。
- 基于机器学习的方法有：HMM、CRF;目前主要研究基于深度学习的序列标注算法，如CNN/RNN/Transformer，如：BiLSTM+CRF，基于预训练模型。
- 参考文献：《A Survey On Deep Learning for Named Entity Recognition》（TKDE2020）
关系抽取与属性补全
- 实体-关系联合抽取
- 多元关系
- 半监督
- 属性补全：
- 参考资料：开源中文关系抽取框架 deepke
概念抽取
事件识别与抽取
知识抽取前沿问题
3 知识图谱推理
基于本体的推理
基于规则的推理
基于embedding的推理
基于规则学习的推理
本章后续略。
4 知识融合
本体匹配
- 距离度量：编辑距离、汉明距离、字串相似度、dice距离、jaccard系数等等；
实体对齐
- 知识融合工具：silk
技术前沿
5 基于知识图谱的智能问答系统
基于查询模板的知识图谱问答
- TBSL
基于语义解析的知识图谱问答
- 一步解析的困难：
- 更合理的方式是两步解析：
- 短语重写：
基于检索排序的知识图谱问答
- 实体链接
基于深度学习的知识图谱问答
6 图算法与图数据分析
图神经网络与图表示学习
图神经网络与知识图谱
7 知识图谱前沿
多模态知识图谱
知识图谱与语言预训练
事理知识图谱
知识图谱与低资源学习
Reference
- 浙大 知识图谱
- 知识图谱：知识表示
