建站
咨詢
售后
建站咨詢
新聞中心
【稿件】隨著互聯(lián)網(wǎng)業(yè)務(wù)的發(fā)展，產(chǎn)生了大量的數(shù)據(jù)，數(shù)據(jù)經(jīng)過分析會推動業(yè)務(wù)的發(fā)展。將數(shù)據(jù)中蘊(yùn)含的知識用圖的結(jié)構(gòu)表示出來，就形成了知識圖譜。
為周口等地區(qū)用戶提供了全套網(wǎng)頁設(shè)計(jì)制作服務(wù)，及周口網(wǎng)站建設(shè)行業(yè)解決方案。主營業(yè)務(wù)為網(wǎng)站設(shè)計(jì)制作、成都網(wǎng)站設(shè)計(jì)、周口網(wǎng)站設(shè)計(jì)，以傳統(tǒng)方式定制建設(shè)網(wǎng)站，并提供域名空間備案等一條龍服務(wù)，秉承以專業(yè)、用心的態(tài)度為用戶提供真誠的服務(wù)。我們深信只要達(dá)到每一位用戶的要求，就會得到認(rèn)可，從而選擇與我們長期合作。這樣，我們也可以走得更遠(yuǎn)！
知識圖譜可以應(yīng)用到智能搜索，自動文檔，推薦，決策支持等領(lǐng)域。例如：WordNet，F(xiàn)reebase，Wikidata。
今天和大家一起了解知識圖譜構(gòu)建的方法和基本原理。
知識圖譜概括
知識圖譜是一個較大的話題。從發(fā)展，特點(diǎn)，分類和生命周期等不同的方面都有很多需要講的東西。
知識領(lǐng)域示意圖
這里我們主要從知識圖譜的生命周期作為切入點(diǎn)，講講在其形成和使用過程中用到的原理和方法。
①知識體系構(gòu)建。根據(jù)分類，可以把知識圖譜分為通用型和領(lǐng)域型。無論是什么類型的知識圖譜都需要對其服務(wù)的領(lǐng)域進(jìn)行知識建模。也就是說，采用什么樣的方式來表達(dá)知識。
②知識融合。一個知識庫可以和其他知識庫進(jìn)行融合。在不同領(lǐng)域知識圖庫進(jìn)行融合時，會發(fā)現(xiàn)來自不同領(lǐng)域，不同語言，甚至不同結(jié)構(gòu)的知識需要做“補(bǔ)充，更新和去重的操作”。
這就是知識融合，一般分為：知識體系融合和實(shí)例融合。這部分的操作也可以在構(gòu)建知識體系的時候統(tǒng)籌考慮。
③知識獲取。知識獲取的目的是從海量的信息(文本)中抽取知識。本文中提到的“獲取信息”多為文本信息，因此這里的“獲取信息”也是從文本中獲取信息的過程。
獲取信息結(jié)構(gòu)上劃分為三類，分別是結(jié)構(gòu)化信息，半結(jié)構(gòu)化信息和非結(jié)構(gòu)化信息。
從獲取信息內(nèi)容上又分為，實(shí)體識別，實(shí)體消歧，關(guān)系抽取和事件抽取。知識存儲在完成了知識抽取和融合之后，就需要將知識存儲下來了。
有 RDF(Resource Description Framework，資源描述框架)格式和圖數(shù)據(jù)庫兩種方式。
因?yàn)閳D數(shù)據(jù)庫對于查詢友好，因此被廣泛使用，例如：Neo4j。
④知識推理。識別并抽取知識以及存儲知識以后，我們會試圖挖掘?qū)嶓w(知識)之間隱含的語義關(guān)系。
這個過程就是知識推理。例如：已知 A 是 B 的兒子，又知道 B 是 C 的兒子。那么可以推理出 A 是 C 的孫子。
⑤知識應(yīng)用。識別，抽取，存儲和推理的最終目的還是為了應(yīng)用。知識圖譜在搜索，問答，推薦，決策方面被廣泛應(yīng)用。
后面會將上述過程展開講解，由于知識圖譜中包括的內(nèi)容比較豐富，因此會著重介紹前面幾個部分的內(nèi)容，關(guān)于知識推理和知識應(yīng)用的部分會放到以后的文章中介紹。
知識體系構(gòu)建
我們常說的知識是人類對現(xiàn)實(shí)世界的認(rèn)識，如何將這種認(rèn)識轉(zhuǎn)化為一種標(biāo)準(zhǔn)的形式呢?因此，需要有一種模型，對其進(jìn)行描述，從而能夠存儲到計(jì)算機(jī)中。
知識表示
知識圖譜的表示方式有多種，有語義網(wǎng)絡(luò)，框架，腳本。使用比較多的是語義網(wǎng)絡(luò)模型。
它是通過語義關(guān)系連接的概念網(wǎng)絡(luò)，將知識表示為互相連接的點(diǎn)和邊。其中，節(jié)點(diǎn)表示為實(shí)體，時間，值等信息;邊表示實(shí)體之間的關(guān)系。
例如：馬是一種動物，可以表示為如下：
這里的馬和動物表示為實(shí)體，“是一種”表示它們之間的關(guān)系。這也是我們常說的三元組的表現(xiàn)形式。
用 RDF(Resource Description Framework，資源描述框架)可以表述為：
- (節(jié)點(diǎn) 1，關(guān)系，節(jié)點(diǎn) 1)
- (馬，是一種，動物)
針對關(guān)系來說有多種類型的定義：
- 實(shí)例關(guān)系：“是一個”。表示一個事物是另一個事物的一個實(shí)例。例如：小明是一個人。
- 分類關(guān)系：“是一種”。表示一個事物是另一個事物的種類。例如：籃球是一種球。
- 成員關(guān)系：“個人與集體”。表示一個事物是另一個事物的成員。例如：小王是三年級一班的學(xué)生。
- 屬性關(guān)系：“一個節(jié)點(diǎn)具有另一個節(jié)點(diǎn)所表示的屬性”。例如：猴子會爬樹。
- 聚合關(guān)系：“部分與整體”。例如：手是身體的一部分。
- 位置關(guān)系：事物的方位關(guān)系。例如：蘋果在桌子上。
- 相近關(guān)系：事物在形狀，內(nèi)容等方面相似。例如：獅子和老虎在森林中都有霸主的地位。
如果將實(shí)體通過上述描述，用三元組的方式表示出來，就形成了知識的圖狀結(jié)構(gòu)，我們把這種結(jié)構(gòu)的表現(xiàn)就叫做知識表現(xiàn)。
知識圖譜的表現(xiàn)形式
知識體系構(gòu)建
上面講了知識表示，通過三元組表示現(xiàn)實(shí)世界的知識。由于知識領(lǐng)域的不同，對事物的概念和定義也會不相同。
例如：“運(yùn)維”這個詞，在軟件領(lǐng)域是指對軟件的運(yùn)行維護(hù);在基礎(chǔ)設(shè)施領(lǐng)域，是指對供配電，空調(diào)的運(yùn)行和維護(hù)。
因此，知識圖譜是針對具體知識領(lǐng)域而言的。需要根據(jù)具體的知識領(lǐng)域，進(jìn)行“知識體系構(gòu)建”。
知識體系主要包括三個方面的核心內(nèi)容：對概念的分類，概念屬性的描述以及概念之間相互關(guān)系的定義。
知識領(lǐng)域示意圖
知識領(lǐng)域(知識體系結(jié)構(gòu))就好像知識圖譜的框架，它定義了知識的概念，概念的屬性以及概念之間的關(guān)系。
只有先定義了它，才能再構(gòu)建知識圖譜。如果把知識領(lǐng)域(知識體系結(jié)構(gòu))理解成 Class 的話，知識圖譜就是 Object;如果把知識領(lǐng)域(知識體系結(jié)構(gòu))理解成骨架的話，知識圖譜就是肉體。
Ontology 對知識進(jìn)行定義(Concept)，根據(jù)定義生成實(shí)體(Instance)
骨架和肉體
說完知識領(lǐng)域(知識體系結(jié)構(gòu))的概念，再來看看通過人工構(gòu)建需要哪幾個步驟。
①確定領(lǐng)域以及任務(wù)。這里需要明確幾個問題，為什么需要這個領(lǐng)域的知識圖譜?其中包括哪些知識?它所服務(wù)的人群?以及誰來維護(hù)它?
②知識體系整合。由于知識圖譜，需要包括海量的知識數(shù)據(jù)，所以從 0 開始建設(shè)成本很高。
因此，需要借助通用知識圖譜，領(lǐng)域詞典，語言學(xué)資源，開源知識圖譜的資源。在它們的基礎(chǔ)上建立，大大降低成本。
③羅列要素。針對要建立的知識圖譜，列出這個領(lǐng)域知識的概念，屬性，以及關(guān)系等要素。
例如：建立一個人物知識圖譜，就要列出科學(xué)家，演員，老師，運(yùn)動員等概念分類。
針對每個分類，定義姓名，年齡，國籍，出生地等屬性。以及父母，子女，朋友等關(guān)系。
④確定分類體系。就是概念之間的層級關(guān)系，類似樹狀結(jié)構(gòu)。例如體育分類，下面包括體育組織，體育賽事，體育院校等等?？梢酝ㄟ^由上至下，或者由下至上的方式建立。
分類體系示意圖
⑤定義屬性以及關(guān)系。這里的屬性和關(guān)系的定義具有繼承性。例如：演藝人員擁有“年齡”，“畢業(yè)院?！保敖?jīng)紀(jì)公司”等屬性。演藝人員分類下面包括了歌手和演員。
那么歌手和演員的屬性中，除了包括“年齡”，“畢業(yè)院?！?，“經(jīng)紀(jì)公司”等屬性以外，還可能包括其他屬性，例如：歌手包括“低/中/高音“;演員包括：”國內(nèi)/國際影星“。
⑥定義約束。針對上面屬性關(guān)系的約束關(guān)系。例如：年齡為正整數(shù)。每個人只有一個母親(生理學(xué)意義上的)。
知識融合
各個領(lǐng)域知識圖譜的構(gòu)建，導(dǎo)致存在各個垂直領(lǐng)域的知識庫。每個知識庫為了擴(kuò)大自身的廣度和深度，就需要和其他庫做融合。
知識融合示例圖
知識庫的融合有兩種模式：
- 豎直方向的知識融合，將通用知識庫與專業(yè)知識庫進(jìn)行融合。專業(yè)知識庫中需要一些通用知識庫中的通用知識定義，例如：著名人物，地名，公理。
- 水平方向的知識融合，將相同領(lǐng)域的知識庫進(jìn)行融合。讓兩個知識庫進(jìn)行數(shù)據(jù)互補(bǔ)。
知識體系能夠在認(rèn)知和語義層次上對領(lǐng)域知識進(jìn)行建模和表達(dá)，確定領(lǐng)域內(nèi)共同認(rèn)可的詞匯，通過概念之間的關(guān)系來描述概念的語義，提供對領(lǐng)域知識的共同理解。
多個知識體系在融合過程中會產(chǎn)生重疊，會產(chǎn)生許多不同的知識體系。這些不同的知識體系會導(dǎo)致不同的知識圖譜難以聯(lián)合使用。
因此，下面要介紹幾種融合的方法：
- 元素級匹配，將一個詞表示為語義向量空間中的一個點(diǎn)，如果詞與詞之間的相似度高，那么兩個點(diǎn)之間的距離就近。表明兩個詞可以融合。
- 結(jié)構(gòu)級匹配，通過判斷元素屬性的定義域和值域匹配度，推斷屬性的匹配度。
- 實(shí)體對齊，通過判斷相同或不同知識庫中的兩個實(shí)體是否表示同一個物理對象的過程。
知識獲取
定義了知識領(lǐng)域和領(lǐng)域之間的融合，就搭建了知識圖譜的框架，接下來就要填充內(nèi)容了。根據(jù)三元組理論，知識圖譜是由(實(shí)體 1，關(guān)系，實(shí)體 2)組成的。
所以，接下來就要介紹知識獲取，它包括實(shí)體識別，實(shí)體消歧，關(guān)系抽取，事件抽取。
知識獲取示意圖
實(shí)體識別
實(shí)體(Entity)是知識圖譜的基本單元，也是本文中承載信息的重要語言單位。實(shí)體識別是抽取文本中命名性指稱項(xiàng)。
例如：人名，地名，機(jī)構(gòu)名，產(chǎn)品名。通常意義上分為三大類：實(shí)體類，時間類和數(shù)字類;七小類：人名，地名，機(jī)構(gòu)名，時間，日期，貨幣和百分比。
例如：紅利小學(xué)籃球教練張平出席了會議，他在會議上分享了執(zhí)教心得。
實(shí)體“張平”就有三個指稱項(xiàng)，“紅利小學(xué)籃球教練”是名詞性指稱項(xiàng);“張平”是命名性指稱項(xiàng);“他”是代詞性指稱項(xiàng)。
實(shí)體識別抽取有以下幾種方法：
①基于規(guī)則的方法，通過建立命名實(shí)體詞典的方法，每次抽取都從文本中查找詞典的內(nèi)容。
- 中文人名識別：<姓氏><名字>。例如：張平。
- 中文組織名識別：<人名><組織名><地名><核心名>。例如：中國軟件信息協(xié)會。
- 中文地名的識別：<名字部分><指示詞>。例如：武漢市。
②基于特征的方法，通過機(jī)器學(xué)習(xí)的方法利用預(yù)先標(biāo)注好的語料訓(xùn)練模型，使模型學(xué)習(xí)到某個字或者詞作為命名實(shí)體組成部分的概率，計(jì)算出一個候選字段作為命名實(shí)體的概率值。如果大于某個設(shè)定的閥值，就抽取命名實(shí)體。
③基于神經(jīng)網(wǎng)絡(luò)的方法：
- 特征表示：利用神經(jīng)網(wǎng)絡(luò)模型將文字符號特征表示為分布式特征信息。
- 模型訓(xùn)練：利用標(biāo)注數(shù)據(jù)，優(yōu)化網(wǎng)絡(luò)參數(shù)，訓(xùn)練網(wǎng)絡(luò)模型。
- 模型分類：利用訓(xùn)練的模型對新樣本進(jìn)行分類，完成識別。
實(shí)體消歧
實(shí)體識別完成以后，我們遇到一些問題。兩個實(shí)體名字一模一樣，但在不同的語境下面，表達(dá)的內(nèi)容完全不同。
例如：實(shí)體指稱項(xiàng)，邁克爾·喬丹(Michael Jordan)在不同的文本中，有可能是籃球明星，也有可能是一位機(jī)器學(xué)習(xí)的研究員。
實(shí)體消歧示例圖
在介紹如何進(jìn)行實(shí)體消歧之前，先介紹幾個相關(guān)概念，以上圖為例：
- 實(shí)體名：邁克爾·喬丹(Michael Jordan)
- 目標(biāo)實(shí)體列表：邁克爾·喬丹(研究員)，邁克爾·喬丹(運(yùn)動員)
- 實(shí)體指稱項(xiàng)：“邁克爾·喬丹” 是 “邁克爾·喬丹(研究員)”的實(shí)體指稱項(xiàng)。同樣，“邁克爾·喬丹”也是 “邁克爾·喬丹(運(yùn)動員)”的實(shí)體指稱項(xiàng)。
那么如何消除這種歧義呢?這里有兩種歧義消除系統(tǒng)推薦。
聚類的消歧系統(tǒng)：將同一實(shí)體指稱項(xiàng)分配到同一類別下面，聚類結(jié)果中每個類別對應(yīng)一個目標(biāo)實(shí)體。
聚類示意圖
實(shí)體鏈接的消歧系統(tǒng)：將實(shí)體指稱項(xiàng)與目標(biāo)實(shí)體列表中對應(yīng)的實(shí)體進(jìn)行連接實(shí)現(xiàn)消歧。
實(shí)體鏈接示意圖
關(guān)系抽取
上面可以將文本中的實(shí)體抽取出來，并且消除它們之間的歧義。接下來，要知道實(shí)體之間的關(guān)系，就需要用到關(guān)系抽取。
關(guān)系抽取就是，識別實(shí)體之間的語義關(guān)系。可以分為二元關(guān)系抽取(兩個實(shí)體)和多元關(guān)系抽取(三個及以上實(shí)體)。通常表示為(實(shí)體 1, 關(guān)系, 實(shí)體 2)三元組。
根據(jù)處理數(shù)據(jù)源的不同，關(guān)系抽取可以分為以下三種：
- 面向結(jié)構(gòu)化文本的關(guān)系抽?。喊ū砀裎臋n、XML文檔、數(shù)據(jù)庫數(shù)據(jù)等。
- 面向非結(jié)構(gòu)化文本的關(guān)系抽?。杭兾谋?。
- 面向半結(jié)構(gòu)化文本的關(guān)系抽?。航橛诮Y(jié)構(gòu)化和非結(jié)構(gòu)化之間。
根據(jù)抽取文本的范圍不同，關(guān)系抽取可以分為以下兩種：
- 句子級關(guān)系抽取：從一個句子中判別兩個實(shí)體間是何種語義關(guān)系。
- 語料級關(guān)系抽?。翰幌薅▋蓚€目標(biāo)實(shí)體所出現(xiàn)的上下文。
根據(jù)所抽取領(lǐng)域的劃分，關(guān)系抽取又可以分為以下兩種：
- 限定域關(guān)系抽取：在一個或者多個限定的領(lǐng)域內(nèi)對實(shí)體間的語義關(guān)系進(jìn)行抽取，限定關(guān)系的類別，可看成是一個文本分類任務(wù)。
- 開放域關(guān)系抽?。翰幌薅P(guān)系的類別。
由于篇幅關(guān)系，這里對具體關(guān)系抽取的方法不展開描述。有興趣可以自行查找，每個算法都可以單獨(dú)成為一篇文章。這里我們只需要對關(guān)系抽取的分類和方法有基本認(rèn)識就好。
事件抽取
和關(guān)系抽取類似，事件抽取是從文本中抽取出事件并以結(jié)構(gòu)化的形式呈現(xiàn)出來。
首先識別事件及其類型，其次識別出事件所涉及的實(shí)體，最后需要確定實(shí)體在事件中扮演的角色。
通過一個例子，來介紹幾個概念。例如：“小明和小紅于 2019 年 12 月 30 日在北京舉行婚禮?！?/p>
事件指稱：具體事件的自然語言描述，通常是一個句子或句群。就是上面這句話的描述。
事件觸發(fā)詞：代表事件發(fā)生的詞，是決定事件類別的特征，一般是動詞或名詞。例如：“舉行婚禮”。
事件元素：事件中的參與者，主要由實(shí)體、時間和屬性值組成。例如：“小明”，“小紅”， “2019 年 12 月 30 日”。
事件元素類型
元素角色：事件元素在事件中扮演的角色。例如：“小明”與“小紅”扮演的是“夫妻角色”。
事件類別：事件元素和觸發(fā)詞決定了事件的類別，每個分類下面還有子分類。例如：生命，結(jié)婚。
事件類型示意圖
事件抽取的方法比較多，基本上分為限定域事件抽取和開放域事件抽取兩大類。
在兩類中又分為若干小類。這里針對限定域中給予模式匹配的方法給大家做簡單介紹。
限定域事件抽取：在進(jìn)行抽取之前，預(yù)先定義好目標(biāo)事件的類型及每種類型的具體結(jié)構(gòu)(包含哪些具體的事件元素)，通常會給出一定數(shù)量的標(biāo)注數(shù)據(jù)。通過這些標(biāo)注數(shù)據(jù)引導(dǎo)事件的抽取。
比較有代表的是基于模式匹配的方法，首先通過人工標(biāo)注語料，再通過學(xué)習(xí)模型來抽取模式，最后將“待抽取文檔”與模式庫中的模式進(jìn)行匹配，生成抽取結(jié)果。
事件抽取，匹配流程圖
另外，關(guān)于事件抽取的方法和關(guān)系還有很多，這里不展開描述，放出思維導(dǎo)圖供大家參考。
事件抽取思維導(dǎo)圖
知識存儲與檢索
前面提到了知識圖譜的架構(gòu)，知識的抽取，接下來就需要將這些知識(數(shù)據(jù))存儲下來。并且可以將存儲的數(shù)據(jù)進(jìn)行檢索。
知識存儲示意圖
談到存儲，需要回到前面說的三元組。知識圖譜中的知識是通過 RDF(Resource Description Framework，資源描述框架)構(gòu)成的。
每個事實(shí)被表示為一個形如(subject，predicate，object)的三元組：
- subject：主體(也稱主語)，其取值通常是實(shí)體、事件。
- predicate：謂詞(也稱謂語)，其取值通常是關(guān)系或?qū)傩浴?/li>
- object：客體(也稱賓語)，其取值既可以是實(shí)體、 事件、概念，也可以是普通的值(如數(shù)字、字符串等) 。
基于表數(shù)據(jù)的介紹
知識圖譜的表存放方式有兩種，分別是三元組表，類型表。來看看前兩種存儲的方式。例如：有下圖關(guān)系。
知識圖譜存儲示例圖
用三元組方式存儲：
用類型表存儲：
基于圖數(shù)據(jù)庫的介紹
圖數(shù)據(jù)庫基于有向圖，其理論基礎(chǔ)是圖論。節(jié)點(diǎn)、邊和屬性是圖數(shù)據(jù)庫的核心概念。
節(jié)點(diǎn)，用于表示實(shí)體、事件等對象，可以類比于關(guān)系數(shù)據(jù)庫中的記錄。例如人物、 地點(diǎn)、電影等都可以作為圖中的節(jié)點(diǎn)。
邊，是指圖中連接節(jié)點(diǎn)的有向線條，用于表示不同節(jié)點(diǎn)之間的關(guān)系。例如：夫妻關(guān)系、同事關(guān)系等。
屬性，用于描述節(jié)點(diǎn)或者邊的特性。例如：姓名、夫妻關(guān)系的起止時間等。
來看個例子：
用節(jié)點(diǎn)表示實(shí)體：劉德華、劉青云、Film：暗戰(zhàn) 。
用邊表示實(shí)體間的關(guān)系：劉德華和暗戰(zhàn)之間的參演關(guān)系、劉德華和劉青云之間的朋友關(guān)系等 。
節(jié)點(diǎn)可以定義屬性：劉德華性別男、身高 174cm、出生地香港等。
邊上也可以定義屬性：劉德華參演暗戰(zhàn)的時間是 1999 年，參演角色是張彼得等。
無向關(guān)系需要轉(zhuǎn)化為兩條對稱的有向關(guān)系：劉德華和劉青云之間互為朋友關(guān)系。
知識圖譜的檢索
上面說了按照表方式和圖方式的存儲，再來看看存儲之后如何檢索知識信息。知識圖譜信息可以通過 SQL 和 SPARQL 搜索來獲得。
這里著重介紹 SPARQL，它是 Simple Protocol and RDF Query Language 的縮寫，是由 W3C 為 RDF 數(shù)據(jù)開發(fā)的一種查詢語言和數(shù)據(jù)獲取協(xié)議，被圖數(shù)據(jù)庫廣泛支持。
和 SQL 類似，SPARQL 也是一種結(jié)構(gòu)化的查詢語言，用于對數(shù)據(jù)的獲取與管理。
①數(shù)據(jù)插入
INSERT DATA { } 包含三元組，不同的三元組通過”.”分割，連續(xù)的三元組用”;” 分割。
②數(shù)據(jù)刪除
DELETE DATA {} 包括的三元組，不同的三元組通過”.”分割。
刪除劉德華參演電影的關(guān)系
如果想刪除所有劉德華對應(yīng)節(jié)點(diǎn)的關(guān)系，用如下語句。
這里的 s，p，o 分別對應(yīng)的是 subject，predicate 和 object。這樣和劉德華這個節(jié)點(diǎn)的相關(guān)信息都刪除了。但是劉青云和暗戰(zhàn)對應(yīng)的節(jié)點(diǎn)和關(guān)系依舊存在。
刪除劉德華節(jié)點(diǎn)以及對應(yīng)的關(guān)系
③查詢語句
和上面兩個語句類似，例如要查詢身高為 174cm 的男演員。
得出的結(jié)果就是“s：劉德華”。
總結(jié)
如果說知識圖譜本身就是一個知識的數(shù)據(jù)庫，那么知識領(lǐng)域(知識體系結(jié)構(gòu))就是這個數(shù)據(jù)庫的框架。
在建立知識圖譜之前我們需要對知識體系進(jìn)行搭建，同時要解決知識融合的問題。
有了知識體系結(jié)構(gòu)，就可以進(jìn)行知識獲取，這里包括實(shí)體識別，實(shí)體消岐，關(guān)系抽取和事件抽取。
實(shí)體識別有基于規(guī)則，特征和神經(jīng)網(wǎng)絡(luò)的識別方法。實(shí)體消岐可以通過聚類和實(shí)體連接的方法搞定。
關(guān)系抽取和事件抽取，根據(jù)數(shù)據(jù)源，文本范圍和領(lǐng)域劃分的不同，方法各有千秋。知識抽取以后需要做知識的存儲，其中有表存儲和圖存儲兩種方式。
目前比較流行的是圖存儲的方式。并且基于圖存儲的方式，還提供了 SPARQL 查詢語言對數(shù)據(jù)進(jìn)行管理。
PS：知識圖譜的內(nèi)容比較廣博，本文只是對最基本的概念進(jìn)行了描述。很多觀點(diǎn)來自于趙軍老師的知識圖譜一書。如果需要深入了解，建議閱讀。
作者：崔皓
簡介：十六年開發(fā)和架構(gòu)經(jīng)驗(yàn)，曾擔(dān)任過惠普武漢交付中心技術(shù)專家，需求分析師，項(xiàng)目經(jīng)理，后在創(chuàng)業(yè)公司擔(dān)任技術(shù)/產(chǎn)品經(jīng)理。善于學(xué)習(xí)，樂于分享。目前專注于技術(shù)架構(gòu)與研發(fā)管理。
【原創(chuàng)稿件，合作站點(diǎn)轉(zhuǎn)載請注明原文作者和出處為.com】
網(wǎng)站標(biāo)題：知識圖譜不復(fù)雜，我來幫你理一理！
本文URL：http://m.5511xx.com/article/dpjsdco.html
