知識圖譜不僅包含具體的實(shí)例知識數(shù)據(jù)，還包括對知識數(shù)據(jù)的描述和定義。該部分對數(shù)據(jù)進(jìn)行描述和定義的“元”數(shù)據(jù)被稱為知識體系（Schema）或本體（Ontology）。

知識融合主要方法：框架匹配和實(shí)例對齊。

一、知識體系構(gòu)建

1、概述

知識體系包含三方面的核心內(nèi)容：

• 概念的分類
• 概念屬性的描述
• 概念之間相互關(guān)系

知識體系的基本形態(tài)包含五個層次（難度升序）：詞匯（Terms）、概念（Concepts）、分類關(guān)系（Taxonomic Relations）、非分類關(guān)系（Non-Taxonomic Relations）和公理（Axioms）。

示例：

2、人工構(gòu)建方法

人工構(gòu)建知識體系的過程可分為以下六個主要階段（注意：非嚴(yán)格的線性關(guān)系）：
確定領(lǐng)域及任務(wù) ==》體系復(fù)用 ==》羅列要素 ==》確定分類體系 ==》定義屬性及關(guān)系 ==》定義約束

（1）確定領(lǐng)域及任務(wù)

與具體的應(yīng)用任務(wù)有關(guān)，與具體的領(lǐng)域密切相關(guān)，也不能拋開領(lǐng)域建立一個高大全的、無法被廣泛使用的產(chǎn)品。

想要構(gòu)建更為合適的體系，需要回答：

• 我們?yōu)槭裁匆褂眠@個知識體系？
• 這種知識體系呢個構(gòu)幫助回答哪些類型的問題？
• 誰會使用并維護(hù)這個知識體系？

（2）體系復(fù)用

在真正進(jìn)行構(gòu)建之前，應(yīng)廣泛調(diào)研現(xiàn)有的第三方知識體系（eg：Schenma.org）或與之相關(guān)的資源，盡可能的參考前人已有的成果。

常用資源如下：

• 領(lǐng)域詞典：專家編撰的領(lǐng)域內(nèi)的詞典，對構(gòu)建限定領(lǐng)域的知識體系具有重要的參考意義。
• 語言學(xué)資源
• 開源知識圖譜：DBpedia、YAGO、Freebase、OpenCyc等
• 網(wǎng)絡(luò)百科

（3）羅列要素

根據(jù)領(lǐng)域，盡可能羅列期望在知識圖譜中出現(xiàn)的要素列表，主要包括概念、屬性以及關(guān)系。

（4）確定分類體系

確定了相關(guān)要素后，需要將其中表示概念的要素組織成層級結(jié)構(gòu)的分類體系。必須保證上層類別所表示的概念完全包含下層類別所表示的概念（所有下層類別的實(shí)例必須是上層類別的實(shí)例）。

兩個構(gòu)建方法：

• 自頂向下：從最抽象的概念開始，逐層添加更為具體的概念
• 自底向上：從具體的概念開始，逐層開始抽象

（5）定義屬性及關(guān)系

為每個類別定義屬性及關(guān)系。

• 屬性：描述概念的內(nèi)在特征，
• 關(guān)系：刻畫不同概念之間的關(guān)系。

屬性的定義需要受分類體系的約束，下層類別必須繼承所有上層類別的屬性。

步驟（4）和步驟（5）常交叉進(jìn)行。

（6）定義約束

• 不同的屬性和關(guān)系具有不同的定義域和值域。
• 數(shù)據(jù)報(bào)障數(shù)據(jù)的一致性，避免異常值的出現(xiàn)。

2、自動構(gòu)建方法

根據(jù)數(shù)據(jù)源結(jié)構(gòu)化程度的不同，知識體系的學(xué)習(xí)技術(shù)可分為：

• 基于非結(jié)構(gòu)化數(shù)據(jù)的知識體系學(xué)習(xí)（重點(diǎn)）
• 基于結(jié)構(gòu)化數(shù)據(jù)的知識體系學(xué)習(xí)（采用與人工構(gòu)建相結(jié)合的方式工作）
• 基于半結(jié)構(gòu)化數(shù)據(jù)的知識體系學(xué)習(xí)（采用與人工構(gòu)建相結(jié)合的方式工作）

（1）基于非結(jié)構(gòu)化數(shù)據(jù)的知識體系學(xué)習(xí)

基本思想：對于非結(jié)構(gòu)化數(shù)據(jù)（通常指文本數(shù)據(jù)），首先利用自然語言處理工具對文本進(jìn)行分詞、句法分析、命名實(shí)體識別等預(yù)處理操作，然后利用模板匹配、統(tǒng)計(jì)學(xué)習(xí)等手段從文本中抽取重要信息，主要包括領(lǐng)域概念、實(shí)例以及概念之間的關(guān)系。

主要步驟：領(lǐng)域概念抽取、分類體系構(gòu)建、概念屬性及關(guān)系抽取

a、領(lǐng)域概念抽取

目標(biāo)：從文本數(shù)據(jù)中抽取出構(gòu)建知識體系所需的關(guān)鍵元素（該領(lǐng)域的術(shù)語），包括實(shí)體類型名、屬性名、關(guān)系名等

步驟如下

• 抽取候選術(shù)語：首先利用自然語言處理工具對文本進(jìn)行分詞、句法分析，然后利用語言學(xué)規(guī)則或模板在文本中抽取特定的字符串，并將這些字符串當(dāng)做領(lǐng)域術(shù)語的候選。目標(biāo)：盡量多覆蓋真正的術(shù)語。
• 術(shù)語過濾：領(lǐng)域術(shù)語在領(lǐng)域內(nèi)出現(xiàn)的頻率會顯著高于領(lǐng)域外出現(xiàn)的頻率，過濾低質(zhì)量的術(shù)語。
  • 常用方法：互信息（MI）、詞頻逆文檔頻率（TF-IDF）、術(shù)語相關(guān)頻率（RTF）等
• 術(shù)語合并：知識體系是對概念及其關(guān)系的描述，因此術(shù)語需轉(zhuǎn)換為概念。
  • 做法：將候選術(shù)語中表達(dá)相同概念的術(shù)語聚合到一起，即識別同義詞。
  • 代表方法：
    • 基于詞典的方法：利用現(xiàn)有詞典資源獲取詞匯的同義情況，eg：WordNet、HowNet、同義詞詞林等。
    • 基于統(tǒng)計(jì)的方法：進(jìn)行詞匯表示學(xué)習(xí)，并基于詞匯的表示對詞匯進(jìn)行聚類。

b、分類體系構(gòu)建

目標(biāo)：獲取不同概念之間的上下位關(guān)系（繼承關(guān)系）。 下位詞是上位詞概念的具體化，eg：“犬科動物”是“哺乳動物”的下位詞。

代表方法

• 基于詞典的方法：利用現(xiàn)有詞典資源獲取不同詞匯的上下位關(guān)系，eg：WordNet等。
• 基于統(tǒng)計(jì)的方法：通過詞的上下文對當(dāng)前詞進(jìn)行表示，并基于該表示對得到的領(lǐng)域術(shù)語進(jìn)行層次聚類。

c、概念屬性及關(guān)系抽取

與概念抽取的過程類似，首先利用自然語言處理工具對文本進(jìn)行分詞、句法分析等預(yù)處理，然后利用語言學(xué)規(guī)則或模板的方法為給定的概念獲取候選屬性集合。然后利用統(tǒng)計(jì)方法定量評估每個候選屬性的置信度，過濾掉低質(zhì)量的屬性，也涉及同義詞的情況。

（2）基于結(jié)構(gòu)化數(shù)據(jù)的知識體系學(xué)習(xí)

主要任務(wù)：分析關(guān)系模型中蘊(yùn)含的語義信息，并將其映射到知識體系的相應(yīng)部分。

構(gòu)建過程：通過分析數(shù)據(jù)表的字段內(nèi)容、主鍵、外鍵等信息識別實(shí)體和實(shí)體間關(guān)系。
在信息抽取時(shí)，可從描述實(shí)體的表中抽取實(shí)體的概念（即本體類型）及實(shí)體屬性，從描述關(guān)系的表中抽取概念間關(guān)系，建立初步的知識體系，并進(jìn)行評估和修正，生成最終的知識體系。

（3）基于半結(jié)構(gòu)化數(shù)據(jù)的知識體系學(xué)習(xí)

典型數(shù)據(jù)：XML格式數(shù)據(jù)、HTML格式網(wǎng)頁數(shù)據(jù)以及它們遵循的文檔類型定義（XML Schema 或 DTD）等。以上兩類方法均可使用。

3、典型知識體系（本體）

• SUMO（Suggested Upper Merged Ontology）——最大的公共本體，主要用于學(xué)術(shù)領(lǐng)域，可作為其他知識體系的基礎(chǔ)本體。
• Schema.org
• Freebase——特點(diǎn)：使用組合數(shù)據(jù)類型（CVT）的方式表示事件等N-Triple事實(shí)。
  • Protege常被用于構(gòu)建、編輯和管理知識框架。常被應(yīng)用于基于框架的知識表示模型，一般是先定義類，在定義類中的屬性，最后定義類和屬性的約束。

二、知識融合

知識圖譜融合（根據(jù)KG類型劃分）：

• 豎直方向的融合：融合高層通用本體與底層領(lǐng)域本體或?qū)嵗龜?shù)據(jù)。eg：YAGO
• 水平方向的融合：融合相同層次的知識圖譜。eg：BabelNet

知識融合通過對多個相關(guān)知識圖譜的對齊、關(guān)聯(lián)和合并，使其成為一個整體。按融合對象的不同分為：框架匹配和實(shí)體對齊。

• 框架匹配：對概念、屬性、關(guān)系等知識描述體系進(jìn)行匹配和融合。
• 實(shí)體對齊：對齊合并相同的實(shí)體完成知識融合

但是實(shí)例知識有時(shí)有沖突，需要對其檢測和消解。

1、框架匹配（本體對齊）

解決知識體系之間的異構(gòu)性，知識框架主要包括概念（類型）、屬性、關(guān)系和它們之間的約束。

目前常用的框架匹配方法還停留在匹配不同知識庫中的元素，按照使用的技術(shù)不同可以分為：元素級匹配和結(jié)構(gòu)級匹配。

（1）元素級匹配

獨(dú)立考慮元素是不是匹配，不考慮其他元素的匹配

• 字符串匹配：
  • 常用匹配方法：前綴距離，后綴距離，編輯距離和 $n$ 元語法距離
  • 這種方法忽略了語言符號的多義性，一詞多義和一義多詞
• 詞向量：將詞表示為低維語義向量空間的一個點(diǎn)，語義相似度用點(diǎn)之間的距離來衡量。與字符串相比，有更強(qiáng)的捕獲詞背后的真正語義的能力，且通過訓(xùn)練產(chǎn)生的詞向量的覆蓋度要大得多。
• 混合方法：常將詞向量與其他編輯距離等結(jié)合，混合方法獲得了很好的性能。

（2）結(jié)構(gòu)級匹配

不同元素的匹配之間也會有影響，例如屬性的定義域和值域匹配度高，屬性匹配度也高。基本思想：相似的概念具有相似的概念結(jié)構(gòu)。

• 基于圖的技術(shù)：對于兩個本體中的節(jié)點(diǎn)，若它們的鄰居節(jié)點(diǎn)是相似的，則它們也是相似的。將本體匹配問題轉(zhuǎn)化為發(fā)現(xiàn)最大公共子圖的問題。
• 基于分類體系的技術(shù)：只關(guān)注與匹配一些特殊關(guān)系。“實(shí)例-類型”（is-a）或“子類-父類”（SubClassOf）關(guān)系。
• 基于統(tǒng)計(jì)分析的技術(shù)：挖掘蘊(yùn)含的規(guī)律，并對概念、屬性、實(shí)例、關(guān)系等對象進(jìn)行分組，進(jìn)而計(jì)算它們之間的距離。
  • 典型技術(shù)：形式概念分析、基于距離的分類、相關(guān)性分析以及頻度分布。

2、實(shí)體對齊（實(shí)體匹配）

實(shí)體對齊：判斷相同或不同知識庫中的兩個實(shí)體是否表示同一物理對象的過程。其在數(shù)據(jù)集成和知識融合中發(fā)揮著重要的作用。

方法：

• 成對實(shí)體對齊：表示獨(dú)立地判斷兩實(shí)體是否對應(yīng)同一物理對象，通過匹配實(shí)體屬性等特征判斷它們的對齊程度。
• 協(xié)同實(shí)體對齊：不同實(shí)體間的對齊是相互影響的，通過協(xié)調(diào)不同對象間的匹配情況得以達(dá)到一個全局最優(yōu)的對齊結(jié)果。

典型方法：基于知識庫向量聯(lián)合學(xué)習(xí)的對齊方法

• 基本思想：通過知識庫聯(lián)合表示學(xué)習(xí)（種子對齊方法：兩個實(shí)體的向量要在訓(xùn)練過程中盡可能相似），將多個知識庫表示在同一個語義向量空間中，把知識庫實(shí)體對齊的過程轉(zhuǎn)化為兩個知識庫中實(shí)體相似度計(jì)算問題。
• 知識庫聯(lián)合表示學(xué)習(xí) 步驟如下：
  • 首先，利用簡單的對齊方法（eg：字符串匹配），來產(chǎn)生初始的種子對齊，這些種子對齊要準(zhǔn)確率非常高。
  • 然后，采用TransE的方式，學(xué)習(xí)兩個知識庫的對齊。
• 優(yōu)點(diǎn)：不需要依賴人工設(shè)定的規(guī)則和特征，也不需要了解知識庫的命名習(xí)慣。適應(yīng)性強(qiáng)、易于移植

3、沖突檢測與消解

沖突檢測與消解是知識融合的重要步驟，是多個知識圖譜形成一個一致結(jié)果的最后步驟。

沖突識別（最簡單的方法）：發(fā)現(xiàn)對于同樣的屬性和關(guān)系有不同的實(shí)例，但是對于某些屬性，這種策略不一定有效。eg：某個人的兩段不同的婚姻，都正確，不存在沖突，則需要針對性設(shè)計(jì)不同檢測策略。

沖突處理

• 沖突忽略：不處理，將檢測出的沖突交給用戶解決（舍棄或修改）
• 沖突避免：不解決，而使用規(guī)則或約束對數(shù)據(jù)來源進(jìn)行過濾。eg：約束人的年齡范圍，設(shè)計(jì)不同知識來源的可信優(yōu)先度。
• 沖突消解：利用知識圖譜本身（框架和實(shí)例）的特征來消解沖突
  • 基于投票的方法：eg：多數(shù)投票
  • 基于質(zhì)量估計(jì)的方法：考慮不同知識來源的可信度，最終選擇較高質(zhì)量的結(jié)果。eg：HITS或PangRank算法計(jì)算不同知識來源的可信度。

總結(jié)

以上是生活随笔為你收集整理的知识图谱（三）——知识体系构建和知识融合的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。