知识图谱的感性认识

定义

知识图谱可以分割为知识和图谱。知识包含实体和实体之间的联系，

图谱就是用图的方式把实体和它们之间的关系用图表示出来。

例如微信，我和我的朋友以好友的关系而关联起来，而我的朋友又有他们的朋友圈，进而把整个关系群以一个网络的方式关联起来。

用途

• 智能问答

  如果拥有了一个知识图谱，就可以构建一个智能问答系统

  例如如果输入是：我感冒了应该看什么科

  系统通过查找感冒和科室的关系，就可以找到科室应该为呼吸内科

  系统就可以回答：呼吸内科

• 反欺诈

  在风控领域，数据一般以人为单位，人跟人存在一种关系，人跟消费记录，行为记录，网上浏览记录形成了另外的一些关系，那么风控团队就获得了一张非常大的网络图

  当需要对某人进行风控分析，可以使用Graph embedding对每个人的图进行向量化，然后放入机器学习的模型进行训练和预测，从而得出欺诈的预判

• 不一致性检验

  例如借款人张三说李四是他的父亲，王五是他的朋友；而同时王五说李四是他的父亲，张三是他的朋友。那么通过分析知识图谱，并进行推理，朋友的父亲不可能一样，引发不一致。此时就可以检测出，借款人有异常

• 智能搜索

  例如Google，百度搜索

• 知识推理

存储

对于知识图谱，需要存储所有信息只有实体和实体之间的关系

一般来说市面上有非常多的图数据库引擎可以使用

例如最热门的neo4j

图数据库与传统关系性数据库

大家可能有疑问，对于实体和实体之间的关系，是可以通过关系性数据库来存储的。

为什么需要图数据库？

按我的理解

• -关系型数据库更多的关注实体和实体的属性，对关系的描述并不大看重，虽然有外键
• 在关系行数据库定义实体，表的数量会随着实体的数量而线性递增，如果单从实体和关系的角度分析，模型过于复杂
• 关系型数据库难以分布式存储，难以承受大数据
• 图数据库模型非常简单，就是实体和关系
• 图数据可以对这种简单的模型使用图算法更好的存储和检索数据
• 图数据非常容易做到分布式，适合大数据的存储

融合（构建）

需要构建知识图谱，首先需要数据的导入

一般来说数据源都是非结构化的，例如网络上爬取下来的网页，音频文件，视频文件，图片

需要使用到的技术有NLP，图片信息抽取，音频转文本等技术

此篇只关注NLP技术，其他技术，只是在信息提取的细节不一样，对于融合到知识图谱的过程，是一致的。

NLP信息融合

NLP目前市面上有非常多的第三方库可以使用，在避免重复造轮，我们在应用上，应该更多的使用市面上的库，而不是自己写，对于NLP的理论知识，后面会有一篇博文分享。

对于此篇，我们关注NLP库给我们提供了什么，我们可以基于这些库，可以做什么。

pyltp的功能

库的使用如下：

https://pyltp.readthedocs.io/zh_CN/latest/api.html

• 分句

• 分词

• 词性标注

• 命名实体识别

• 依存句法分析

• 语义角色标注

OK！有了上面对pyltp的感性认识，相信大家如果收到一份文本，通过使用以上的API，就可以轻而易举地分析出文本的信息。

关键词提取

例如我们要构建一个医疗问答系统，我们需要的信息如下：

• 病名
• 药名
• 科室
• 症状
• 可以吃的食物
• 不可以吃的食物

那么我们拿到一份非结构化的医疗报告，我们改怎么把非结构化的报告转化为知识图谱呢？

• 定义关键词
• 对文本进行NLP提取
• 匹配关键词，确定实体和关系
• 存入图数据库

例如病名，由于病名的数量是确定的，此时我们可以从某个医学的语料库找到大部分的病名，并定义为关键词

例如食物，一般来说食物前的动词时吃，食等动词，通过找到动宾结构，匹配动词，就可以确定谓语是食物

例如科室，通过命名实体识别找到所有的实体，并匹配是否包含关键词 ‘科’ ，就可以找到科室的名字

。。。。

功能

到目前为止，我们有了知识图谱，那么基于它，可以做什么呢？

成为其他机器学习输入参数

有了实体，有了关系，有了图，有了属性。

此时可以通过提取实体在图中的特征，并转化为vector特征，就可以对实体进行任何机器学习模型的输入参数

并进行更深度的数据挖掘。

Graph2vec

通过分析图的特征，并转化为vector的方法有很多，以下跟大家介绍Deepwalk

Deepwalk

• 每个节点都有一个向量w
• 对u进行随机游走t次
• 那么就可以得到对u节点的1个序列(u,w1,w2, w3...wt)
• 通过skip-gram得出向量

知识抽取

有了知识图谱在图数据库中

我们就可以各实体之间的关系。

例如我问系统：苏格拉底死了没有？