|
一 Konwledge Graph概念 Konwledge Graph是谷歌于2012年提出的用于增强其搜索引擎功能的知识库。本质上来说，知识图谱是一种揭示实体之间关系的语义网络，可以对现实世界的事物及其相互关系进行形式化地描述。现在的知识图谱已被用来泛指各种大规模的知识库。 具体表现：在谷歌中搜索北京景点，能够得到结构化的知识，而不是简单的网页结果。 知识图谱是一种结构化的语义知识库，其基本组成单位是“实体-关系-实体”的三元组，以及实体及其相关属性-值对，通过实体间的关系构成网状的知识结构，如： 上图构成一个特定领域（明星）的知识网络，每一个节点（如：谢霆锋）均为实体，实体具有属性-值（key-value）对（如：明星名字：谢霆锋），同时实体与实体之间通过关系（如：王菲-旧爱-谢霆锋）相互连接。 也就是说： 实体-对应现实世界的语义本体； 属性-描述一类实体的common特性，实体被属性所标注； 关系-对应本体间的关系，连接了不同类型的实体。 二 Konwledge Graph架构 从逻辑架构上分，可将Konwledge Graph分为两层：数据层与模式层。 数据层主要由一系列的事实组成，而知识将以事实为单位进行存储，如：实体-关系-实体，实体-属性-值这样的三元组，对应到实际的数据；模式层则建立在数据层之上，主要是通过本体库来规范数据层的一系列事实表达，对应到实际的数据规范，术语描述等。 从体系架构上分，可将Konwledge Graph分为两种模式，自顶向下与自底向上。 1）自顶向下 自顶向下，首先定义好本体，确定领域的层次结构及各个概念属性及概念与概念间的关系，之后再将实体加入到知识库中，类似一种填充的模式，代表工作是Freebase，从维基百科中提取结构化数据。 2）自底向上 自底向上指的是从开放的数据源中，抽取实体、属性及关系，往上构建概念，最终形成本体。目前，这个模式被大多数工作采用，代表工作有谷歌的Knowledge Vault。 下面是一般自底向上构建本体库的流程： 三 Konwledge Graph应用 1）优化搜索 对比谷歌和百度对“黄山多大”的搜索结果，可以看到对同名实体进行属性搜索，百度和google给出了不一样的排序结果。 2）金融领域的智能投顾、反欺诈等 3）社交领域中的兴趣推荐、用户聚类等 |
|
|
