欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

知识图谱基础

程序员文章站 2022-06-12 18:18:19
...

知识工程基本概念

前提知识

语义网络semantic web

语义网络是由Quillian于上世纪60年代提出的知识表达模式,其用相互连接的节点和边来表示知识。
节点表示对象、概念,边表示节点之间的关系。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-1OSzFp5h-1591193957081)(attachment:image.png)]

语义网络的优点:

  1. 容易理解和展示。

  2. 相关概念容易聚类。

语义网络的缺点:

  1. 节点和边的值没有标准,完全是由用户自己定义。

  2. 多源数据融合比较困难,因为没有标准。

  3. 无法区分概念节点和对象节点。

  4. 无法对节点和边的标签(label,我理解是schema层,后面会介绍)进行定义。

简而言之,语义网络可以比较容易地让我们理解语义和语义关系。其表达形式简单直白,符合自然。然而,由于缺少标准,其比较难应用于实践。

RDF

RDF的提出解决了语义网络的缺点1和缺点2,在节点和边的取值上做了约束,制定了统一标准,为多源数据的融合提供了便利。另外,RDF对is-a关系进行了定义,即,rdf:type(是rdf标准中的一个词汇,之后的文章会介绍)。因此,不管在哪个语义网络中,表达is-a关系,我们都用rdf:type,在语法上形成了统一。


- RDF表现形式

RDF(Resource Description Framework),即资源描述框架,其本质是一个数据模型(Data Model)。它提供了一个统一的标准,用于描述实体/资源。简单来说,就是表示事物的一种方法和手段。RDF形式上表示为SPO三元组,有时候也称为一条语句(statement),知识图谱中我们也称其为一条知识,如下图。
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wZujKAVa-1591193957083)(attachment:image.png)]
RDF由节点和边组成,节点表示实体/资源、属性,边则表示了实体和实体之间的关系以及实体和属性的关系


- RDF序列化方法

RDF的表示形式和类型有了,那我们如何创建RDF数据集,将其序列化(Serialization)呢?换句话说,就是我们怎么存储和传输RDF数据。目前,RDF序列化的方式主要有:RDF/XML,N-Triples,Turtle,RDFa,JSON-LD等几种。

1. RDF/XML
用XML的格式来表示RDF数据。
**原因**:XML的技术比较成熟,有许多现成的工具来存储和解析XML。
**缺点**:对于RDF来说,XML的格式太冗长,也不便于阅读,通常我们不会使用这种方式来处理RDF数据。

2. N-Triples
用多个三元组来表示RDF数据集,是最直观的表示方法。
在文件中,每一行表示一个三元组,方便机器解析和处理。开放领域知识图谱DBpedia通常是用这种格式来发布数据的。

3. Turtle, 应该是使用得最多的一种RDF序列化方式了。它比RDF/XML紧凑,且可读性比N-Triples好。

4. RDFa
即“The Resource Description Framework in Attributes”,是HTML5的一个扩展,在不改变任何显示效果的情况下,让网站构建者能够在页面中标记实体,像人物、地点、时间、评论等等。也就是说,将RDF数据嵌入到网页中,搜索引擎能够更好的解析非结构化页面,获取一些有用的结构化信息。

5. JSON-LD,即“JSON for Linking Data”,用键值对的方式来存储RDF数据。

turtle

Example


Example3 Turtle:

@prefix person: http://www.kg.com/person/ .
@prefix place: http://www.kg.com/place/ .
@prefix : http://www.kg.com/ontology/ .

person:1 :chineseName “罗纳尔多·路易斯·纳萨里奥·德·利马”^^string;
   :career “足球运动员”^^string;
   :fullName “Ronaldo Luís Nazário de Lima”^^string;
   :birthDate “1976-09-18”^^date;
   :height “180”^^int;
   :weight “98”^^int;
   :nationality “巴西”^^string;
   :hasBirthPlace place:10086.
place:10086 :address “里约热内卢”^^string;
   :coordinate “-22.908333, -43.196389”^^string.


(3)RDF表达能力 RDF能够表达罗纳尔多和里约热内卢这两个实体具有哪些属性,以及它们之间的关系。 但如果我们想定义罗纳尔多是人,里约热内卢是地点,并且人具有哪些属性,地点具有哪些属性,人和地点之间存在哪些关系,这个时候RDF就表示无能为力了。

**无法区分类和对象、无法定义概念属性**

RDFS

** 解决了缺点3**

用过Mysql的读者应该知道,其database也被称作schema。这个schema和我们这里提到的schema language十分类似。

我们可以认为数据库中的每一张表都是一个类(Class),表中的每一行都是该类的一个实例或者对象,表中的每一列就是这个类所包含的属性。

如果我们是在数据库中来表示人和地点这两个类别,那么为他们分别建一张表就行了;再用另外一张表来表示人和地点之间的关系。​​​​​​​

RDFS/OWL本质上是一些预定义词汇(vocabulary)构成的集合,用于对RDF进行类似的类定义及其属性的定义。

例如:下面的RDFS定义了人和地点这两个类,及每个类包含的属性。

@prefix rdfs: http://www.w3.org/2000/01/rdf-schema# .
@prefix rdf: http://www.w3.org/1999/02/22-rdf-syntax-ns# .
@prefix : http://www.kg.com/ontology/ .

# 这里我们用词汇rdfs:Class定义了“人”和“地点”这两个类。
:Person rdf:type rdfs:Class.
:Place rdf:type rdfs:Class.

# rdfs当中不区分数据属性和对象属性,词汇rdf:Property定义了属性,即RDF的“边”。
:chineseName rdf:type rdf:Property;
      rdfs:domain :Person;
      rdfs:range xsd:string .

:career rdf:type rdf:Property;
      rdfs:domain :Person;
      rdfs:range xsd:string .

:fullName rdf:type rdf:Property;
      rdfs:domain :Person;
      rdfs:range xsd:string .

:birthDate rdf:type rdf:Property;
      rdfs:domain :Person;
      rdfs:range xsd:date .

:height rdf:type rdf:Property;
      rdfs:domain :Person;

:coordinate rdf:type rdf:Property;
      rdfs:domain :Place;
      rdfs:range xsd:string .

RDFS常用词汇

这里只介绍RDFS几个比较重要,常用的词汇:

  1. rdfs:Class. 用于定义类。

  2. rdfs:domain. 用于表示该属性属于哪个类别。

  3. rdfs:range. 用于描述该属性的取值类型。

  4. rdfs:subClassOf. 用于描述该类的父类。比如,我们可以定义一个运动员类,声明该类是人的子类。

  5. rdfs:subProperty. 用于描述该属性的父属性。比如,我们可以定义一个名称属性,声明中文名称和全名是名称的子类。

OWL

** 解决了缺点4**
OWL当做是RDFS的一个扩展,其添加了额外的预定义词汇。

OWL,即“Web Ontology Language”,语义网技术栈的核心之一。OWL有两个主要的功能:

  1. 提供快速、灵活的数据建模能力。

  2. 高效的自动推理。

使用owl进行建模

@prefix rdfs: http://www.w3.org/2000/01/rdf-schema# .
@prefix rdf: http://www.w3.org/1999/02/22-rdf-syntax-ns# .
@prefix : http://www.kg.com/ontology/ .
@prefix owl: http://www.w3.org/2002/07/owl# .

### 这里我们用词汇owl:Class定义了“人”和“地点”这两个类。
:Person rdf:type owl:Class.
:Place rdf:type owl:Class.

### owl区分数据属性和对象属性(对象属性表示实体和实体之间的关系)。词汇owl:DatatypeProperty定义了数据属性,owl:ObjectProperty定义了对象属性。
:chineseName rdf:type owl:DatatypeProperty;
     rdfs:domain :Person;
     rdfs:range xsd:string .

:career rdf:type owl:DatatypeProperty;
     rdfs:domain :Person;
     rdfs:range xsd:string .

:fullName rdf:type owl:DatatypeProperty;
     rdfs:domain :Person;
     rdfs:range xsd:string .

:birthDate rdf:type owl:DatatypeProperty;
     rdfs:domain :Person;
     rdfs:range xsd:date .

:hasBirthPlace rdf:type owl:ObjectProperty;
    &emsprdfs:domain :Person;
    &emsprdfs:range :Place .

OWL常用词汇

描述属性特征的词汇

  1. owl:TransitiveProperty. 表示该属性具有传递性质。例如,我们定义“位于”是具有传递性的属性,若A位于B,B位于C,那么A肯定位于C。

  2. owl:SymmetricProperty. 表示该属性具有对称性。例如,我们定义“认识”是具有对称性的属性,若A认识B,那么B肯定认识A。

  3. owl:FunctionalProperty. 表示该属性取值的唯一性。 例如,我们定义“母亲”是具有唯一性的属性,若A的母亲是B,在其他地方我们得知A的母亲是C,那么B和C指的是同一个人。

  4. owl:inverseOf. 定义某个属性的相反关系。例如,定义“父母”的相反关系是“子女”,若A是B的父母,那么B肯定是A的子女。

OWL优势

知识图谱的推理主要分为两类:基于本体的推理和基于规则的推理。我们这里谈的是基于本体的推理。

我们加入支持OWL推理的推理机(reasoner),就能够执行基于本体的推理了。
RDFS同样支持推理,由于缺乏丰富的表达能力,推理能力也不强。

例如,我们用RDFS定义人和动物两个类,另外,定义人是动物的一个子类。
此时推理机能够推断出一个实体若是人,那么它也是动物。

知识图谱

知识图谱是由本体(Ontology)作为Schema层,和RDF数据模型兼容的结构化数据集
本体(Ontology):本体是共享概念模型的明确的形式化规范说明。这个定义体现了本体的四层含义:概念模型、明确、形式化、共享。

  • 概念模型:通过抽象出客观世界中一些现象的相关概念而得到的模型。

  • 明确:所使用地概念及使用这些概念的约束都有明确的定义。

  • 形式化:本体可通过各种形式化语言对其进行描述,最终是计算机可读、可操作的。

  • 共享:本体中体现的是公认的知识,反映的是相关领域中公认的概念集。本体的目标是通过确定该领域内共同认可的词汇,达到对该领域知识的共同理解。

Perez等人利用分类法来组织本体,并归纳出以下5个基本的建模元语:

(1)类或概念:从语义上将,它表示的是对象的集合,其定义一般采用框架结构,包括概念的名称,与其他概念之间的关系的集合,以及用自然语言对概念的描述。

(2)关系:在领域中概念之间的相互作用,形式上定义为n维笛卡尔积的子集。在语义上关系对应于对象元组的集合。

(3)函数:一类特殊的关系,该关系的前n-1个元素可以唯一决定第n个元素。

(4)公理:代表永真断言,如概念乙属于概念甲的范畴。

(5)实例:代表元素,从语义上讲实例表示的就是对象。