知识图谱介绍 (1)

大家好，我是一名知识图谱领域在读博士生。从这篇文章开始，我将陆续写一系列系统介绍知识图谱的文章，另外也写一些自己读到或者学到的其他有意思的东西。 写文章的目的有两个：1. 记录和分享自己的学习；2. 希望帮到想了解知识图谱的朋友，同时缓解自己意义感焦虑。 因为刚开始写，我尽量做到内容可信。有什么问题和建议，希望大家关注公号后私信我。

本文内容预告

知识图谱历史和定义，三国演义知识图谱，有了 chatgpt 为什么还需要知识图谱。

知识图谱是什么

“知识图谱” 术语最先由 Google 公司在 2012 年提出，指一种通用知识库 (knowledge base)。但它并不是什么新概念，早在上世纪 60 年代，Allan M. Collins， M. Ross Quillian， Elizabeth F. Loftus 等人就提出了语义网络 (Semantics Networks) 用于建模实体，概念，及它们之间的关系。专家系统 (Expert System) 由 Feigenbaum 等人在 1984 年提出，该系统使用领域知识和规则进行推理来帮助做决策。 Semantic Web 在 2004 年，Semantic Web 等提出了 Semantics Web 概念，作为 W3C 的标准用于规范网页数据便于机器处理。

Formal 定义：知识图谱是一个用于表示 数据 和 元数据 的图数据结构，用于建模专业领域的知识 (验证为真的信息)。 其中 数据 (Data) 包括了:

• 实体 (entity)，实体的属性 (attribute)，和实体之间的关系 (relation)。实体是一个具体对象。比如某个人物：特朗普，某个地方：德国，还可以是某个电影，某本书等等。 元数据 (Metadata) 包括了所有描述数据的数据:
• 实体的类别 (Type)：特朗普的类别为人，美国人。
• 本体 (Ontology): 包含某个领域的概念抽象表示：类 (Class) ，属性 (Property)的定义。以及类之间的关系，属性之间的关系的定义。比如 “人” 类，“女人“ 类；”年龄“属性；”女人“是”人“的子类 (”女人“是”人“的子类)。
• 出处信息 (Provenance): 比如知识图谱的创建者，创建时间，该知识图谱的唯一标识符。
• 数据来源 (Sources): 描述这个知识图谱中的数据来源。比如某本书的信息来自豆瓣。

三国演义知识图谱

上面就这个真实知识图谱来具体说知识图谱里面包含的东西：

数据部分:

• 上面所有的红色节点都是实体，即某个具体的人物。
• 还有节点之间的具体的边，即实体之间的关系。

元数据部分:

• Role 就是一个实体类别。
• 这个图没有展示本体的所有内容，我们可以猜想到的有
  • 类："Role" (人物) 是一个类；
  • 关系属性 (Object Property)："义兄"，"臣"，"主公"，"配偶" 等；
  • 属性之间的关系：我能可以猜想到 ”臣“ 与 "主公” 之间存在反向 (inverse of) 关系。
• 该知识图谱出自中文开放知识图谱：http://openkg.cn/dataset/sanguoyanyi，创建于 2021年十一月29号。

为什么需要知识图谱

从数据模型层面来说为什么我们需要知识图谱？

我们其实已经有了关系数据模型 (Relational Data Model)，对就是我们学过的数据库里面讲的那些表，属性，主/外键，还有关系代数。而知识图谱背后的数据模型是 RDF (Resource Description Framework)。它们的差别在哪呢？

RDF 模型	关系数据模型
数据建模为三元组	数据建模为关系的集合
semi-structured: 可以存在没有类型的数据，数据扩展很灵活。	strict-typed: 任何数据需要预先定义类型: INT, CHAR, VARCHAR 等；强制性满足数据完整性限制：key constraints
可以建模存在变量为 Blank Node，和 NULL 的含义区分	NULL 的语义不清晰: “不知道”和“不存在”混淆，比如某个人的父亲为 NULL 对比他的孩子为 NULL意义是不一样的，他一定存在一个“不知道”的父亲，但他可能“不存在”孩子
RDF 模型基于开放世界假设，模型内没有的数据可能为真	关系数据模型基于封闭世界假设，模型内没有的数据都为假

总结来说，知识图谱数据模型更灵活，易于扩展，语义比关系数据模型丰富。

与大语言模型区别

• 我们先问下 chatgpt 两个问题：(1) 糜夫人的丈夫是谁？;(2) 刘备的妻妾都有哪些？
• 然后我们到 DBpeida 知识图谱上查询 通过对比，我们可以发现，chatgpt 的第一个答案是错误的，第二个答案中的 “张彩星” 根本不是三国演义中的人物，而是在《三国杀》《真三国无双》等网络游戏中的人物。chatgpt 这类联结主义方法并不是所有问题都能正确回答，它不具备很好的逻辑推理能力 (找的证据有时看起来像那么回事，实际是错误的)，对低频实体（糜夫人）的理解效果差，但是推理速度很快。而知识图谱构建的是知识 (验证为真的信息)，并且具备一定的逻辑推理能力，数据透明，可以提供可靠的解释，但是它的推理速度慢，可回答的问题受限于建模的知识数量。

关注不走丢，欢迎反馈、点赞、加星

参考

1. Scientific Data Management & Knowledge Graph, by Maria-Esther Vidal
2. Chaudhri, Vinay, et al. "Knowledge graphs: introduction, history and, perspectives." AI Magazine 43.1 (2022): 17-29.
3. 三国演义数据来源1: https://github.com/wcswcswcs/sgyy
4. 三国演义数据来源2: http://openkg.cn/dataset/sanguoyanyi