0.引言

在前文中我们将知识图谱中实体和关系的定义分为自顶向下和自底向上两种策略，在本文中我们继续深入研究知识图谱中的实体和关系定义相关内容。

1.实体种类

实体的定义通常根据领域词典、词表来进行规范，之后根据目标需求进行自定义。

例如，对于中文地理领域实体，以《中国大百科全书–中国地理》和《百度百科》地理词条信息为数据源，参照英文标准数据集 SemEval-2010 Task-8 的数据格式，人工构建了适用于地理实体抽取语料库。

在金融实体中，对《高盛金融词汇英汉详解词典》和《英汉路透金融词典》中 8675个术语的整理和总结作如下定义：
一些常见的数据集包含学术中通用的实体以及关系，在实际研究中可以借鉴，再根据需求进行自定义。

2.实体关系的种类

根据 MUC7 会议提出的定义，实体关系可分为“分类关系”（Taxonomy） 和“非分类关系”（Non-Taxonomy）两大类。
例如，对于给定的文本：
从图 2.1 展示的文本中，我们可以提取出表征上下位关系的语句：“衡阳 盆地属于中国江南地区具有地域特点的红层盆地。”，其中“衡阳盆地”和“红 层盆地”两地理概念间的上下位关系描述，如图 2- 2 所示。
同理，我们可以从描述“龙门山”的地理文本中，提取出表征同义关系的 语句，地理概念词“龙门山”的描述信息，如图 2- 3 所示。

通常而言，实体关系都属于以上几类的范畴，在实际的应用中大多根据实际需求进行自定义。

例如，医疗大数据技术实体与实体关系有如下定义：

其中关系定义为：Forward(促进)、Restraint(抑制)[以上两种等同于因果关系]、Contain(包含)[上下位关系]、Similar(相似)[同义]

3.结语

实体关系的定义中通用领域较为成熟，但是怎样定制目标实体、关系是需要不断突破的，我们在实践中需要多总结。实体和关系的定义一般要求不重、不漏，在定义中借助领域词典、词表和领域专家的建议是比较合适的。

引用

[1]梁晨. 金融领域术语识别的研究[D].大连理工大学,2017.
[2]王娜. 基于迁移学习的基础教育地理领域概念关系抽取[D].武汉理工大学,2017.
[3]鄂海红,张文静,肖思琪,程瑞,胡莺夕,周筱松,牛佩晴.深度学习实体关系抽取研究综述[J].软件学报,2019,30(06):1793-1818.

一. 偏序关系

1. 偏序关系定义

( 1 ) 偏序关系定义 ( 自反 | 反对称 | 传递 )

偏序关系 定义 :

• 1.前置条件 1 : $A̸=\varnothing$ , 并且 $R\subseteq A\times A$ ;

• 2.前置条件 2 : 如果 $R$ 是 自反 , 反对称 , 传递的 ;

  • ① 自反 : 每个元素 自己 和 自己 都有关系 , $xRx$ ;
  • ② 反对称 : 如果 $xRy$ 并且 $yRx$ 则 $x=y$ , 即 $x̸=y$ , $xRy$ 和 $yRx$ 不能同时存在 ; 可以没有 , 但是一定不能同时出现 ;
  • ③ 传递 : 如果 有 $xRy$ , $yRz$ , 那么必须有 $xRz$ , 如果前提不成立 , 那么也勉强称为传递 ;

• 3.结论 : 称 $R$ 为 $A$ 上的偏序关系 ;

• 4.表示 : 使用 $⪯$ 表示偏序关系 ;

• 5.读法 : $⪯$ 读作 "小于等于" ;

• 6.使用公式表示 :
  $$<x,y>\in R⟺xRy⟺x⪯y$$

• 7.公式解读 : 如果 $x$ , $y$ 两个元素 构成 有序对 $<x,y>$ , 并且在偏序关系$R$ 中 , $x$ 和 $y$ 具有 $R$ 关系 , 也可以写成 $x$ 小于等于 ( 偏序符号 ) $y$ ;

• 8.常见的偏序关系 : 树 上 的 小于等于关系 , 集合上的包含关系 , 非 $0$ 自然数之间的整除关系 , 都是常见的偏序关系 ;

---

( 2 ) 偏序关系 与 等价关系 ( 等价关系 用于分类 | 偏序关系 用于组织 )

偏序关系 与 等价关系 :

• 1.表示层次结构 : 偏序关系是非常常用的二元关系 , 通常用来 表示 层次结构 ;
• 2.等价关系 : 等价关系 是 用来分类的 , 将一个 集合 分为 几个等价类 ;
• 3.偏序关系 : 偏序关系 通常是 用来组织的 , 在每个类的内部 , 赋予其一个结构 , 特别是层次结构 , 有上下层级 ,

---

2. 偏序集定义

( 1 ) 偏序集定义

偏序集 定义 :

• 1.前置条件 1 : $⪯$ 是 $A$ 上的 偏序关系 ;
• 2.结论 : $<A,⪯>$ 是偏序集 ;
• 3.解读 : 集合 $A$ 与 偏序关系 $⪯$ 构成的有序对 , 称为 偏序集 ;

---

二. 偏序关系 示例

1. 小于等于关系

( 1 ) 小于等于关系 说明

偏序集示例 1 ( 小于等于关系 $\le$ 是 偏序关系 ) :

• 1.公式表示 : $$\varnothing ̸=A\subseteq R,<A,\le >$$
• 2.语言描述 : 如果 $A$ 是 实数集 $R$ 的 子集 , 并且 $A$ 不能 是 空集 $\varnothing$ , 集合 $A$ 中的 小于等于关系 , 是偏序关系 ;
• 3.使用集合形式表示关系 : ≤ = { &lt; x , y &gt; ∣ x , y ∈ A ∧ x ≤ y } \leq = \{ &lt;x,y&gt; | x,y \in A \land x \leq y \} ≤={<x,y>∣x,y∈A∧x≤y}

---

( 2 ) 小于等于关系 分析

实数集 $A$ 上的 小于等于关系 ( $\le$ ) 分析 :

• 1.自反性质分析 : $x$ 小于等于 $x$ , $x\le x$ , 是成立的 , 小于等于关系 是 自反的 ;
• 2.反对称性质分析 : $x$ 小于等于 $y$ , $y$ 小于等于 $x$ , 推出 $x=y$ , 符合 反对称性质 的 定义 , 因此 小于等于 关系 是 反对称的 ,
• 3.传递性质分析 : $x$ 小于等于 $y$ , $y$ 小于等于 $z$ , $x$ 小于等于 $z$ , 是成立的 , 因此 小于等于关系 是 传递的 ;
• 4.总结 : 综上所述 , 小于等于 关系 是 偏序关系 ;

---

2. 大于等于关系

( 1 ) 大于等于关系 说明

偏序集示例 2 ( 大于等于关系 $\ge$ 是 偏序关系 ) :

• 1.公式表示 : $$\varnothing ̸=A\subseteq R,<A,\ge >$$
• 2.语言描述 : 如果 $A$ 是 实数集 $R$ 的 子集 , 并且 $A$ 不能 是 空集 $\varnothing$ , 集合 $A$ 中的 大于等于关系 ( $\ge$ ) , 是偏序关系 ;
• 3.使用集合形式表示关系 : ≥ = { &lt; x , y &gt; ∣ x , y ∈ A ∧ x ≥ y } \geq = \{ &lt;x,y&gt; | x,y \in A \land x \geq y \} ≥={<x,y>∣x,y∈A∧x≥y}

---

( 2 ) 大于等于关系 分析

实数集 $A$ 上的 大于等于关系 ( $\ge$ ) 分析 :

• 1.自反性质分析 : $x$ 大于等于 $x$ , $x\ge x$ , 是成立的 , 大于等于关系 是 自反的 ;
• 2.反对称性质分析 : $x$ 大于等于 $y$ , $y$ 大于等于 $x$ , 推出 $x=y$ , 符合 反对称性质 的 定义 , 因此 大于等于 关系 是 反对称的 ,
• 3.传递性质分析 : $x$ 大于等于 $y$ , $y$ 大于等于 $z$ , $x$ 大于等于 $z$ , 是成立的 , 因此 大于等于关系 是 传递的 ;
• 4.总结 : 综上所述 , 大于等于 关系 是 偏序关系 ;

---

3. 整除关系

( 1 ) 整除关系 说明

偏序集示例 3 ( 整除关系 是 偏序关系 ) :

• 1.公式表示 : ∅ ̸ = A ⊆ Z + = { x ∣ x ∈ Z ∧ x &gt; 0 } &lt; A , ∣ &gt; \varnothing \not= A \subseteq Z_+ = \{ x | x \in Z \land x &gt; 0 \}&lt;A , | &gt; ∅̸​=A⊆Z+​={x∣x∈Z∧x>0}<A,∣>
• 2.语言描述 : 如果 $A$ 是 正整数集 $Z_{+}$ 的 子集 , 并且 $A$ 不能 是 空集 $\varnothing$ , 集合 $A$ 中的 整除关系 ( $|$ ) , 是偏序关系 ;
• 3.使用集合形式表示关系 : ∣ = { &lt; x , y &gt; ∣ x , y ∈ A ∧ x ∣ y } |= \{ &lt;x,y&gt; | x,y \in A \land x | y \} ∣={<x,y>∣x,y∈A∧x∣y}
• 4.整除关系 : $x|y$ , $x$ 是 $y$ 的因子 , 或 $y$ 是 $x$ 的倍数 ;

---

( 2 ) 整除关系 分析

正整数集 $A$ 上的 整除关系 ( $|$ ) 分析 :

• 1.自反性质分析 : $x$ 整除 $x$ , $x|x$ , 是成立的 , 整除关系 ( | ) 是 自反的 ;
• 2.反对称性质分析 : $x$ 整除 $y$ , $y$ 整除 $x$ , 两个正整数互相都能整除 , 它们只能相等 , 推出 $x=y$ , 符合 反对称性质 的 定义 , 因此 整除 关系 是 反对称的 ,
• 3.传递性质分析 : $x$ 整除 $y$ , $y$ 整除 $z$ , $x$ 整除 $z$ , 是成立的 , 因此 整除关系 是 传递的 ;
• 4.总结 : 综上所述 , 整除 关系 是 偏序关系 ;

---

4. 包含关系

( 1 ) 包含关系 说明

偏序集示例 4 ( 包含关系 $\subseteq$ 是 偏序关系 ) :

• 1.公式表示 : A ⊆ P ( A ) , ⊆ = { &lt; x , y &gt; ∣ x , y ∈ A ∧ x ⊆ y } \mathscr{A} \subseteq P(A) , \subseteq = \{&lt;x , y&gt; | x , y \in \mathscr{A} \land x \subseteq y \} A⊆P(A),⊆={<x,y>∣x,y∈A∧x⊆y}
• 2.语言描述 : 集合 $A$ 上的幂集合 $P(A)$ , $P(A)$ 的子集合 构成 集族 $\mathcal{A}$ , 该集族 $\mathcal{A}$ 上的包含关系 , 是偏序关系 ;

---

( 2 ) 包含关系 分析

分析 集合的 子集族 之间的包含关系 :

① 假设一个比较简单的集合

A = { a , b } A=\{a, b\} A={a,b}

② 分析 下面 $A$ 的 3 个子集族 ;

A 1 = { ∅ , { a } , { b } } \mathscr{A}_1 = \{ \varnothing , \{a\} , \{b\} \} A1​={∅,{a},{b}}

集族 ${\mathcal{A}}_1$ 包含 空集 $\varnothing$ , 单元集 { a } \{a\} {a} , 单元集 { b } \{b\} {b} ;

A 2 = { { a } , { a , b } } \mathscr{A}_2 = \{ \{a\} , \{a, b\} \} A2​={{a},{a,b}}

集族 ${\mathcal{A}}_2$ 包含 单元集 { a } \{a\} {a} , 2 元集 { a , b } \{a, b\} {a,b} ;

A 3 = P ( A ) = { ∅ , { a } , { b } , { a , b } } \mathscr{A}_3 = P(A) = \{ \varnothing , \{a\} , \{b\} , \{a, b\} \} A3​=P(A)={∅,{a},{b},{a,b}}

集族 ${\mathcal{A}}_3$ 包含 空集 $\varnothing$ , 单元集 { a } \{a\} {a} , 单元集 { b } \{b\} {b} , 2 元集 { a , b } \{a, b\} {a,b} ; 这是 集合 $A$ 的 幂集 ;

③ 列举出集族 ${\mathcal{A}}_1$ 上的包含关系 :

⊆ 1 = I A 1 ∪ { &lt; ∅ , { a } &gt; , &lt; ∅ , { b } &gt; } \subseteq_1 = I_{\mathscr{A}1} \cup \{ &lt;\varnothing , \{a\}&gt; , &lt;\varnothing , \{b\}&gt; \} ⊆1​=IA1​∪{<∅,{a}>,<∅,{b}>}

${\subseteq }_1$ 是集合 $\mathcal{A}1$ 上的偏序关系 ;

即 分析 空集 $\varnothing$ , 单元集 { a } \{a\} {a} , 单元集 { b } \{b\} {b} 三个 集合之间的包含关系 :

• 1.恒等关系 $I_{\mathcal{A}1}$ : &lt; { a } , { a } &gt; 和 &lt; { b } , { b } &gt; &lt;\{a\} , \{a\}&gt; 和 &lt;\{b\} , \{b\}&gt; <{a},{a}>和<{b},{b}> , 集合上的恒等关系 , 每个集合 肯定 自己包含自己 ;
• 2. &lt; ∅ , { a } &gt; &lt;\varnothing , \{a\}&gt; <∅,{a}> : 空集 肯定 包含于 集合 { a } \{a\} {a} ;
• 3. &lt; ∅ , { b } &gt; &lt;\varnothing , \{b\}&gt; <∅,{b}> : 空集 肯定 包含于 集合 { b } \{b\} {b} ;
• 4.总结 : 这些包含关系 的性质分析 :
  • ① 自反 : 每个元素自己 包含 自己 , $A\subseteq A$ , 包含关系具有 自反性质 ;
  • ② 反对称 : 如果 集合 $A\subseteq B$ , $B\subseteq A$ , 那么 $A=B$ , 显然 包含关系 具有反对称性质 ;
  • ③ 传递 : 如果 $A\subseteq B$ , 并且 $A\subseteq C$ , 那么有 $A\subseteq C$ , 包含关系 具有传递性质 ;

④ 列举出集族 ${\mathcal{A}}_2$ 上的包含关系 :

⊆ 2 = I A 2 ∪ { &lt; { a } , { a , b } &gt; \subseteq_2 = I_{\mathscr{A}2} \cup \{ &lt;\{a\} , \{a, b\}&gt; ⊆2​=IA2​∪{<{a},{a,b}>

${\subseteq }_2$ 是集合 $\mathcal{A}2$ 上的偏序关系 ;

⑤ 列举出集族 ${\mathcal{A}}_3$ 上的包含关系 :

⊆ 3 = I A 3 ∪ { &lt; ∅ , { a } &gt; , &lt; ∅ , { b } &gt; , &lt; ∅ , { a , b } &gt; , &lt; { a } , { a , b } &gt; , &lt; { b } , { a , b } &gt; } \subseteq_3 = I_{\mathscr{A}3} \cup \{ &lt;\varnothing , \{a\}&gt; , &lt;\varnothing , \{b\}&gt;, &lt;\varnothing , \{a, b\}&gt; , &lt;\{a\} , \{a, b\}&gt; , &lt;\{b\} , \{a, b\}&gt; \} ⊆3​=IA3​∪{<∅,{a}>,<∅,{b}>,<∅,{a,b}>,<{a},{a,b}>,<{b},{a,b}>}

${\subseteq }_3$ 是集合 ${\mathcal{A}}_3$ 上的偏序关系 ;

5. 加细关系

( 1 ) 加细关系 说明

偏序集示例 5 ( 加细关系 ${⪯}_{加细}$ 是 偏序关系 ) :

• 1.加细关系描述 : $A̸=\varnothing$ , $\pi$ 是 由 $A$ 的 一些划分 组成的集合 ;

⪯ 加 细 = { &lt; x , y &gt; ∣ x , y ∈ π ∧ x 是 y 的 加 细 } \preceq_{加细} = \{&lt;x , y&gt; | x , y \in \pi \land x 是 y 的 加细\} ⪯加细​={<x,y>∣x,y∈π∧x是y的加细}

• 2.划分 : 划分 是 一个 集族 ( 集合的集合 ) , 其元素是集合 又叫 划分快 , 其中 每个元素(集族中的元素)集合 中的 元素 是 非空集合 $A$ 的元素 ;
  • ① 该集族不包含空集 ;
  • ② 该集族中任意两个集合都不想交 ;
  • ③ 该集族中 所有 元素 取并集 , 得到 集合 $A$ ;

---

( 2 ) 加细关系 分析

分析 集合的 划分之间 的 加细 关系 :

① 集合 A = { a , b , c } A = \{a, b, c\} A={a,b,c} , 下面的 划分 和 加细 都基于 该 集合 进行分析 ;

② 下面 列出集合 $A$ 的 5 个划分 :

划分 1 : 对应 1 个等价关系 , 分成 1 类 ;
A 1 = { { a , b , c } } \mathscr{A}_1 =\{ \{ a, b, c \} \} A1​={{a,b,c}}

划分 2 : 对应 2 个等价关系 , 分成 2 类 ;
A 2 = { { a } , { b , c } } \mathscr{A}_2 = \{ \{ a \} , \{ b, c \} \} A2​={{a},{b,c}}

划分 3 : 对应 2 个等价关系 , 分成 2 类 ;
A 3 = { { b } , { a , c } } \mathscr{A}_3 = \{ \{ b \} , \{ a, c \} \} A3​={{b},{a,c}}

划分 4 : 对应 2 个等价关系 , 分成 2 类 ;
A 4 = { { c } , { a , b } } \mathscr{A}_4 = \{ \{ c \} , \{ a, b \}\} A4​={{c},{a,b}}

划分 5 : 对应 3 个等价关系 , 分成 3 类 ; 每个元素自己自成一类
A 5 = { { a } , { b } , { c } } \mathscr{A}_5 = \{ \{ a \} , \{ b \}, \{ c \} \} A5​={{a},{b},{c}}

③ 下面 列出要分析的几个由划分组成的集合 :

集合 1 :
π 1 = { A 1 , A 2 } \pi_1 = \{ \mathscr{A}_1, \mathscr{A}_2 \} π1​={A1​,A2​}

集合 2 :
π 2 = { A 2 , A 3 } \pi_2 = \{ \mathscr{A}_2, \mathscr{A}_3 \} π2​={A2​,A3​}

集合 3 :
π 3 = { A 1 , A 2 , A 3 , A 4 , A 5 } \pi_3 = \{ \mathscr{A}_1, \mathscr{A}_2, \mathscr{A}_3, \mathscr{A}_4, \mathscr{A}_5 \} π3​={A1​,A2​,A3​,A4​,A5​}

④ 集合 ${\pi }_1$ 上的加细关系分析 :

• 1.自己是自己的加细 : 每个划分 , 自己是自己的加细 , 因此 加细关系中 有 $I_{\pi 1}$ , $<{\mathcal{A}}_1,{\mathcal{A}}_1>$ , $<{\mathcal{A}}_2,{\mathcal{A}}_2>$ ;
• 2.其它加细关系 : ${\mathcal{A}}_2$ 划分中的 每个划分块 , 都是 ${\mathcal{A}}_1$ 划分 中块 的某个划分块的子集合 , 因此有 ${\mathcal{A}}_2$ 是 ${\mathcal{A}}_1$ 的加细 , 记做 $<{\mathcal{A}}_2,{\mathcal{A}}_1>$ ;
• 3.加细的定义 : ${\mathcal{A}}_1$ 和 ${\mathcal{A}}_2$ 都是集合 $A$ 的划分, ${\mathcal{A}}_2$ 中的 每个划分块 , 都含于 ${\mathcal{A}}_1$ 中的某个划分块中 , 则称 ${\mathcal{A}}_2$ 是 ${\mathcal{A}}_1$ 的加细 ;

- 4.加细关系列举 :
⪯ 1 = I π 1 ∪ { &lt; A 2 , A 1 &gt; } \preceq_1 = I_{\pi 1} \cup \{ &lt;\mathscr{A}_2, \mathscr{A}_1&gt; \} ⪯1​=Iπ1​∪{<A2​,A1​>}

⑤ 集合 ${\pi }_2$ 上的加细关系分析 :

• 1.自己是自己的加细 : 每个划分 , 自己是自己的加细 , 因此 加细关系中 有 $I_{\pi 2}$ , $<{\mathcal{A}}_3,{\mathcal{A}}_3>$ , $<{\mathcal{A}}_2,{\mathcal{A}}_2>$ ;
• 2.其它加细关系 : ${\mathcal{A}}_2$ 和 ${\mathcal{A}}_3$ 这两个划分互相不是加细 , 因此 该集合中没有其它加细关系 ;

- 4.加细关系列举 :
$${⪯}_2=I_{\pi 2}$$

⑥ 集合 ${\pi }_3$ 上的加细关系分析 :

• 1.自己是自己的加细 : 每个划分 , 自己是自己的加细 , 因此 加细关系中 有 $I_{\pi 3}$ , $<{\mathcal{A}}_1,{\mathcal{A}}_1>$ , $<{\mathcal{A}}_2,{\mathcal{A}}_2>$, $<{\mathcal{A}}_3,{\mathcal{A}}_3>$, $<{\mathcal{A}}_4,{\mathcal{A}}_4>$, $<{\mathcal{A}}_5,{\mathcal{A}}_5>$ ;
• 2.其它加细关系 :
  • ① 与 ${\mathcal{A}}_5$ 划分相关的加细 : ${\mathcal{A}}_5$ 是划分最细的 等价关系 , ${\mathcal{A}}_5$ 是其它所有 划分 的加细 , 因此有 $<{\mathcal{A}}_5,{\mathcal{A}}_4>$ , $<{\mathcal{A}}_5,{\mathcal{A}}_3>$ , $<{\mathcal{A}}_5,{\mathcal{A}}_2>$ , $<{\mathcal{A}}_5,{\mathcal{A}}_1>$ ;
  • ② 与 ${\mathcal{A}}_1$ 划分相关的加细 : ${\mathcal{A}}_1$ 是划分最粗的 等价关系 , 所有的划分 都是 ${\mathcal{A}}_1$ 的加细 , 因此有 $<{\mathcal{A}}_5,{\mathcal{A}}_1>$ , $<{\mathcal{A}}_4,{\mathcal{A}}_1>$ , $<{\mathcal{A}}_3,{\mathcal{A}}_1>$ , $<{\mathcal{A}}_2,{\mathcal{A}}_1>$ ;
• 4.加细关系列举 :

⪯ 3 = I π 3 ∪ { &lt; A 5 , A 4 &gt; , &lt; A 5 , A 3 &gt; , &lt; A 5 , A 2 &gt; , &lt; A 5 , A 1 &gt; , &lt; A 4 , A 1 &gt; , &lt; A 3 , A 1 &gt; , &lt; A 2 , A 1 &gt; } \preceq_3 = I_{\pi 3} \cup \{ &lt;\mathscr{A}_5 , \mathscr{A}_4&gt; , &lt;\mathscr{A}_5 , \mathscr{A}_3&gt; , &lt;\mathscr{A}_5 , \mathscr{A}_2&gt; , &lt;\mathscr{A}_5 , \mathscr{A}_1&gt; , &lt;\mathscr{A}_4 , \mathscr{A}_1&gt;, &lt;\mathscr{A}_3 , \mathscr{A}_1&gt;, &lt;\mathscr{A}_2 , \mathscr{A}_1&gt; \} ⪯3​=Iπ3​∪{<A5​,A4​>,<A5​,A3​>,<A5​,A2​>,<A5​,A1​>,<A4​,A1​>,<A3​,A1​>,<A2​,A1​>}

---

公众号：数据挖掘与机器学习笔记

知识图谱(knowledge graph)是以图的形式表现客观世界中的实体(概念、人、事物)及其之间的关系的知识库。2012年，谷歌提出了知识图谱的概念，自此，知识图谱得到了广泛的关注和应用研究，现已发展成为语义搜索、智能问答、决策支持等智能服务的基础技术一。

知识图谱是以图的形式表现客观世界中的实体(概念)及其之间关系的知识库. 知识图谱的研究起源
于语义Web. 在2000年的XML大会上, Tim Berners Lee提出了语义Web的理念, 目标是为Web网页添加语义, 支持机器自动处理, 以提供诸如信息代理、搜索代理、信息过滤等语义服务. 此后, 互联网逐步从仅包含网页与网页之间超链接的文档万维网转变为包含大量描述各种实体和实体之间丰富关系的数据万维网.基于关键词的传统搜索引擎技术也逐渐开始添加语义搜索功能. 2005年, 美国Metaweb公司成立, 致力于开发用于Web语义服务的开放共享的世界知识库.Metaweb基于诸如维基百科、美国证券交易委员会等的公开数据集, 提取现实世界中的实体(人或事物)及其之间的关系, 然后以图结构存储在计算机中. 2010年谷歌收购了Metaweb, 获得其语义搜索技术, 并于2012年提出知识图谱的概念.

1.知识图谱相关概念

1.1 本体与知识图谱

本体(ontology)是共享概念模型的显式说明[1], 描述概念与概念间的关系; 是语义Web的关键技术, 用于为Web网页添加语义. 语义Web理念中的本体与知识图谱, 二者密切相关. 本体描述概念及概念间的关系，是大多数知识图谱的模式层, 是知识图谱的概念模型和逻辑基础.

知识图谱与本体的相同之处和不同之处：

同：二者都通过定义元数据以支持语义服务；都可以使用RDFS、OWL等描述语言来定义；二者涉及到的关键技术也相似：实体抽取、关系抽取、语义解析、知识存储、融合方法等。

异：知识图谱更灵活，支持通过添加自定义的标签划分事物的类别；本体侧重概念模型的说明, 能对知识表示进行概括性、抽象性的描述, 强调的是概念以及概念之间的关系. 知识图谱更侧重描述实体关系, 在实体层面对本体进行大量的丰富与扩充.

可以认为, 本体是知识图谱的抽象表达, 描述知识图谱的上层模式; 知识图谱是本体的实例化, 是基于本体的知识库。

1.2 知识地图

知识地图(knowledge map)将特定组织内的知识索引通过“地图”的形式串联在一起,
揭示相关知识资源的类型、特征以及相互关系[4,5]，知识地图的主要功能在于实现知识的快速检索、共享和再重用, 充分有效地利用知识资源[6]. 知识地图是关于知识的来源的知识
[7]. 知识并非存储在知识地图中, 而是存储在知识地图所指向的知识源中. 知识地图指向的知识源包含数据库、文件以及拥有丰富隐性知识的专家或员工.

1.3 科学知识图谱

科学知识图谱(mapping knowledge domain)是用来显示知识演化进程和知识结构的图形化与序列化的知识谱系[8].

2. 知识图谱的构成

知识图谱由数据层(data layer)和模式层(schema layer)两部分构成

2.1 模式层

模式层是知识图谱的概念模型和逻辑基础, 对数据层进行规范约束. 多采用本体作为知识图谱的模式层, 借助本体定义的规则和公理约束知识图谱的数据层. 也可将知识图谱视为实例化了的本体, 知识图谱的数据层是本体的实例. 如果不需支持推理, 则知识图谱(大多是自底向上构建的)可以只有数据层而没有模式层. 在知识图谱的模式层, 节点表示本体概念, 边表示概念间的关系.

2.2 数据层

在数据层, 事实以“实体-关系-实体”或“实体-属性-属性值”的三元组存储, 形成一个图状知识库. 其中, 实体是知识图谱的基本元素, 指具体的人名、组织机构名、地名、日期、时间等. 关系是两个实体之间的语义关系, 是模式层所定义关系的实例. 属性是对实体的
说明, 是实体与属性值之间的映射关系. 属性可视为实体与属性值之间的hasValue关系, 从而也转化为以“实体-关系-实体”的三元组存储. 在知识图谱的数据层, 节点表示实体, 边表示实体间关系或实体的属性.

3. 知识图谱的分类

3.1 构建过程是否依赖自动抽取技术

• 早期的本体，如WordNet、CYC、HowNet等

  大多由专业人士手工构建, 规模较小; 但其知识质量高, 能够确保准确性与完整性

• 从开放的互联网信息中自动抽取实体与关系构建的, 如YAGO、DBPedia等

  规模大; 但因其数据源的复杂多样及自动抽取算法的不完全准确, 可能会有大量不完整信息、噪声等.

3.2 覆盖范围

• 通用知识图谱

  通用知识图谱(generic knowledge graph)描述全面的常识性的知识, 主要应用于语义搜索, 对知识的准确度要求不高, 如百科类的DBpedia、zhishi.me和语言学类
  的WordNet、大词林等. 通用知识图谱强调知识的广度, 大多采用自底向上的方式构建, 侧重实体层的扩充,因此也导致其大部分较难构建规范的本体层。

• 行业知识图谱

  面向特定领域, 能够进行知识推理, 实现辅助分析及决策支持等功能, 如
  GeoNames[22]、中医医案知识图谱等. 行业知识图谱对专业性与准确度的要求高, 这也要求其必须有严格的本体层模式, 通常采用自底向上与自顶向下结合的方式进行构建.

上述内容主要来源于文献[1]

参考：

[1]黄恒琪,于娟,廖晓,席运江.知识图谱研究综述.计算机系统应用,2019,28(6):1–12. http://www.c-s-a.org.cn/1003-3254/6915.html