自助微信网站设计,什么叫一级域名二级域名,wordpress建立移动站,wordpress菜单的作用文章目录 第六章 知识图谱1 知识图谱概述2 知识图谱相关概念3 知识图谱的逻辑结构4 知识图谱的数据存储5 知识图谱的构建过程6 例题 markdown内容的分享 第六章 知识图谱 1 知识图谱概述 2 知识图谱相关概念 3 知识图谱的逻辑结构 4 知识图谱的数据存储 5 知识图谱的构建过程 6… 文章目录 第六章 知识图谱1 知识图谱概述2 知识图谱相关概念3 知识图谱的逻辑结构4 知识图谱的数据存储5 知识图谱的构建过程6 例题 markdown内容的分享 第六章 知识图谱 1 知识图谱概述 2 知识图谱相关概念 3 知识图谱的逻辑结构 4 知识图谱的数据存储 5 知识图谱的构建过程 6 例题 markdown内容的分享
需要的小伙伴直接创建markdown文件导入xmind食用即可
# 第六章 知识图谱## 1 知识图谱概述### 知识图谱本质上是一种结构化的语义网络- 其节点代表实体或概念- 边代表实体/概念之间的各种语义关系### 知识图谱Knowledge Graph也叫语义网络Semantic NetWork。其初衷是为了提升搜索引擎的能力增强用户的搜索质量以及搜索体验。## 2 知识图谱相关概念### 知识图谱的定义- 知识图谱又称科学知识图谱用各种不同的图形等可视化技术描述知识资源及其载体挖掘、分析、构建、绘制和显示知识及它们之间的相互关系。- 知识图谱是用图谱的形式表示知识### 知识图谱可以看作一张图节点表示实体或概念、边表示属性或关系构成- 实体具有可区别性且独立存在的某种事物- 概念语义类具有同种特性的实体构成的集合- 内容通常作为实体和语义类的名字、描述、解释等可以由文本、图像、音视频等来表达- 属性值描述资源之间的关系即知识图谱中的关系- 关系把k个图节点实体、语义类、属性值映射到布尔值的函数## 3 知识图谱的逻辑结构### 逻辑划分为两个层次- 数据层- 数据层主要由一系列的事实组成知识以事实fact为单位存储在图数据库通常以“实体1-关系-实体2”或者“实体-属性-属性值”三元组作为事实fact的基本表达方式。存储在图数据库中的所有数据将构成庞大的实体关系网络形成知识的“图谱”。- 模式层- 模式层在数据层之上是知识图谱的核心。在模式层存储的是经过提炼的知识通常采用本体库来管理知识图谱的模式层。数据模型是按照本体论的思想勾画出来的数据组织模式数据模型可以展示数据的组织方式和相互关系。例如创建动植物的数据模型可以按照动植物的通用分类标准使用七个主要级别界、门、纲、目、科、属、种 。### 逻辑结构的构建方式 - 根据是先确定数据模型再收集具体数据还是先收集具体数据再确定数据模型将知识图谱分为自顶向下和自下向上的构建方式- 自顶向下的构建方式指先确定知识图谱的数据模型再根据模型去填充具体数据。- 数据模型的设计是知识图谱的顶层设计根据知识图谱的特点确定数据模型就相当于确定了知识图谱收集数据的范围以及数据的组织方式。- 适用于行业知识图谱的构建对于一个行业来说数据内容数据组织方式相对来说比较容易确定。比如对于法律领域的知识图谱可能会以法律分类法律条文法律案例等的方式组织。- 自下向上的构建方式是指先按照三元组的方式收集具体数据然后根据数据内容来提炼数据模型。 - 一般公共领域的知识图谱采用这种方式。- 先把所有的数据收集起来形成庞大的数据集然后再根据数据内容总结数据的特点将数据进行整理、分析、归纳、总结形成数据模型## 4 知识图谱的数据存储### 知识图谱的存储方式- 知识图谱的原始数据类型一般来说有三类- 结构化数据Structed Data如关系数据库- 半结构化数据Semi-Structed Data如XML、JSON、百科- 非结构化数据UnStructed Data如图片、音频、视频、文本- 如何存储这三类数据类型- 基于表结构的存储采用二维数据表的方式存储数据例如三元组表、属性表以及关系数据库- 基于图结构的存储可以使用图数据库- RDF(Resource Description Framework)存储- RDF本质是一个数据模型它提供了一个统一的标准用于描述实体/资源。RDF形式上表示为主谓宾SPO三元组。表示实体与实体间的关系实体1-关系-实体2或者实体的某个属性的值是什么实体-属性-属性值- Subject通常是实体、事实或者概念中的任何一个。- Predicate通常是关系或者属性。- Object既可以是实体、事件、概念也可以是普通的值。- 图数据库存储- 图数据库的结构定义相比RDF数据库更为通用实现了图结构中的节点\边以及属性来进行图数据的存储典型的开源图数据库就是Neo4j。- 节点(node)通常表示实体例如人员、账户、事件等节点可以有属性和标签- 边(edge)又被称为关系(relationships)具有名字和方向并有开始节点和一个结束节点边是图数据库中最显著的一个特征在RDBMS中没有对应实现。- 属性(properties)类似KV数据库中的键值对节点和边都可以有属性## 5 视图图谱的构建过程### 从原始的数据到形成知识图谱经历[知识抽取、知识表示、知识融合和知识推理]四个过程### 1 知识抽取- 从不同来源、不同结构的数据中进行知识提取形成知识(结构化数据)存入到知识图谱- 结构化数据处理- 结构化数据通常是关系型数据库的数据把关系型数据库中的数据转换为RDF数据linked data普遍采用的技术是D2R技术。D2R主要包括D2R ServerD2RQ Engine和D2RRQ Mapping语言。- 半结构化数据处理- 采用包装器的方式进行处理- 包装器是一个能够将数据从HTML网页中抽取出来并且将它们还原为结构化的数据的软件程序- 包装器归纳主要包括网页清洗、网页标注、包装器空间生成、包装器评估、包装器归纳结果等步骤- 非结构化数据处理- 实体抽取命名实体识别实体包括概念人物组织地名时间- 关系抽取实体和实体之间的关系- 属性抽取实体的属性信息### 2 知识融合- 将多个来源的关于同一个实体或概念的描述信息融合起来- 知识融合的目的就是将不同知识库对实体的描述进行整合从而获得实体的完整描述。### 3 知识加工- 知识加工主要包括三方面内容本体抽取、知识推理和质量评估- 本体抽取- 本体ontology是指公认的概念集合、概念框架如“人”、“事”、“物”等- 人工编辑- 自动化本体构建- 实体并列关系相似度计算 → 实体上下位关系抽取 → 本体的生成。- 知识推理- 知识推理的对象也并不局限于实体间的关系也可以是实体的属性值本体的概念层次关系- 质量评估- 可以对知识的可信度进行量化通过舍弃置信度较低的知识来保障知识库的质量## 6 例题### 1 在知识图谱的构建中知识提取包括- [实体抽取]- [关系抽取]- [属性抽取]### 2 在知识图谱中先搜集数据然后建立本体的构建过程采用了[自下向上]的构建方式 ### 3 知识图谱在逻辑上可以由“实体—关系—实体”三元组,或者“实体-属性—属性值”构成,实体间通过关系相互联结,构成网状的知识结构### 4 从知识图谱数据组织的架构来看,可以把知识图谱的数据分为两个层次,一个是[模式层],另一个是[数据层]
