行业知识图谱的构建及应用
【说在前面】本人博客新手一枚，象牙塔的老白，职业场的小白。以下内容仅为个人见解，欢迎批评指正，不喜勿喷！[认真看图][认真看图]
【补充说明】如果你对知识图谱感兴趣，欢迎先浏览我的另一篇随笔：基于图模型的智能推荐算法学习笔记
一、知识图谱的机遇与挑战
分享一下肖仰华教授的报告。报告深度剖析知识图谱的发展进程，系统整理知识图谱上半场的主要成果，分析知识图谱下半场的挑战与机遇，以期为各行业的认知智能实践带来有益的参考。
▌知识图谱上半场
1. 传统知识工程
2. 大数据知识工程
① 大规模简单知识表示
② 知识获取
③ 基于知识图谱的简单推理
3. 大数据知识工程到底解决了哪些问题？
① 语言表达鸿沟
② 缺失的因果链条
③ 碎片化数据的关联与融合
④ 深化行业数据的理解与洞察
⑤ 显著提升了机器的自然语言理解水平
⑥ 基于知识图谱的大规模知识服务
⑦ 知识图谱可视化已大量应用
⑧ 大数据知识工程理论体系日趋完善
▌知识图谱下半场
1. 应用场景转变
2. 新的趋势
① 繁杂的应用场景
② 深度的知识应用
③ 密集的专家知识
④ 有限的数据资源
3. 机遇
4. 应对策略
知识表示方面：
① 与其他知识表示的协同表示与推理
② 知识图谱的多模态表示
③ 知识图谱的个性化表示
知识获取方面：
① 发展低成本知识获取方法
② 注重多粒度知识获取
③ 发展大规模常识知识获取
④ 复杂知识获取机制与方法
知识应用方面：
① 知识图谱应用透明化
② 基于知识图谱的可解释人工智能
③ 发展符号知识指导下的机器学习模型
▌总结
二、行业知识图谱的构建与应用
分享一下PlantData的文章：行业知识图谱构建与应用。
1. 知识图谱整体结构描述
知识图谱结构拓扑图如图所示：
企业全量数据应用挑战及应对策略：
（1）多源异构数据难以融合
使用知识图谱（本体）对各类数据建模，基于可动态变化的数据模型（概念-实体-属性-关系），实现统一建模。
（2）数据模式动态变迁困难
使用可支持数据模式动态变化的知识图谱的数据存储。
（3）非结构化数据计算机难以理解
利用信息抽取技术。
（4）数据使用专业程度过高
（5）分散的数据难以统一消费利用
在知识融合的基础上，基于语义检索、知识问答、图计算、推理、可视化等技术，提供数据检索/分析/利用，统一平台。
2. 知识建模
（1）以实体为主体目标，实现对不同来源的数据进行映射与合并。（实体抽取与合并）
（2）利用属性来表示不同数据源中针对实体的描述，形成对实体的全方位描述。（属性映射与归并）
（3）利用关系来描述各类抽象建模成实体的数据之间的关联关系，从而支持关联分析。（关系抽取）
（4）通过实体链接技术，实现围绕实体的多种类型数据的关联存储。（实体链接）
（5）使用事件机制描述客观世界中动态发展，体现事件与实体间的关联；并利用时序描述事件的发展状况。（动态事件描述）
知识建模工具：Protégé（本体编辑器，较局限）
3. 知识抽取
知识抽取的主要策略如图所示（针对结构化、半结构化、非结构化数据的处理方式不同）：
知识抽取中的文本信息抽取，主要包括：实体识别、关系抽取、事件抽取、概念抽取。信息抽取主要有两大类工具：
- OpenIE：面向开放领域抽取信息、关系类型事先未知、基于语言学模式进行抽取、规模大、精度相对较低。典型工具：ReVerb、TextRunner（准确率低，实用性不强，一般不用）
- CloseIE：面向特定领域抽取信息、预先定义好抽取的关系类型、基于领域专业知识抽取、规模小、精度比较高。典型工具：DeepDive（主要是针对实体识别，缺乏对关系/事件/概念的抽取）
非结构化文本数据的处理包括以下步骤：
- 分词、词性标注、语法解析、依存分析
- NER命名实体识别、实体链接
- 关系抽取、事件抽取
其中，事件抽取可以分为预定义事件抽取和开放域事件抽取，行业知识图谱中主要为预定义事件抽取。采用模式匹配方法，包括三个步骤：
- 准备事件触发词表
- 候选事件抽取：寻找含有触发词的句子
- 事件元素识别：根据事件模版抽取相应的元素
还有基于机器学习模型的抽取：SVM、逻辑回归、CRF、LSTM等：
补充说明，关于知识表示，欢迎先浏览我的另一篇随笔：基于图模型的智能推荐算法学习笔记，这里不再赘述。
- 基于数理逻辑的知识表示：RDF（资源描述框架）、OWL（RDF Schema 的扩展）、SPARQL（RDF查询语言）
- 基于向量空间学习的分布式知识表示：Rescal、NTN、TransE（Embedding）
4. 知识融合
（1）数据层融合：实体链接技术
即等同性判断：给定不同数据源中的实体，判断其是否指向同一个真实世界实体（实体属性与关系的合并）。
- 基于实体知识的链接
- 基于篇章主题的链接
- 融合实体知识和篇章主题的链接
实体链接工具：Wikipedia Miner、DBpedia Spotlight等，大部分都是针对百科类的知识库工作的，基本不支持中文的处理。
（2）语义描述层融合：Schema Mapping
- 概念上下位关系合并
- 概念的属性定义合并
当然还有一些别的需要考虑，例如多源知识融合、冲突检测与解决、跨语言融合、知识验证等。
例如，通过人机交互接口对错误信息进行人工纠正，并以此作为种子案例，通过强化学习加强模型的识别精度和鲁棒性。
5. 知识存储
知识图谱是基于图的数据结构，其存储方式主要有两种方式：RDF存储和图数据库。
- 基于关系数据库的存储
- 基于原生图的存储
- 基于混合存储
下面展示各大图数据库的对比：
6. 知识计算
（1）基于图论的相关算法：
- 图遍历：广度优先遍历、深度优先遍历
- 最短路径查询： Dijkstra（迪杰斯特拉算法）、Floyd（弗洛伊德算法）
- 路径探寻：给定两个或多个节点，发现它们之间的关联关系
- 权威节点分析：PageRank算法
- 族群发现：最大流算法
- 相似节点发现：基于节点属性、关系的相似度算法
（2）本体推理：使用本体推理进行新知识发现或冲突检测。
- 基于表运算及改进的方法：FaCT++、Racer、Pellet Hermit等
- 基于一阶查询重写的方法（Ontology based data access，基于本体的数据访问）
- 基于产生式规则的算法（如rete）：Jena 、Sesame、OWLIM等
- 基于Datalog转换的方法：KAON、RDFox等
- 回答集程序Answer set programming
本体知识推理工具：RDFox。
（3）基于规则的推理：使用规则引擎，编写相应的业务规则，通过推理辅助业务决策。
- 在知识图谱基础知识的基础上，专家依据行业应用的业务特征进行规则的定义。
- 引擎基于基础知识与所定义的规则，执行推理过程给出推理结果。
基于规则推理工具：Drools 规则定义。
7. 知识应用
智能问答（基于语义解析的方法+基于信息检索的方法）、语义搜索（基于实体链接）、可视化决策支持（D3.js、ECharts）等。
举例金融业的基于知识图谱的风险管理：
- 知识获取部分：需要内部+外部，需要特别注意完整性原则（信息不对称是很多风险的根源）
- 知识融合部分：需要内部+外部，需要特别注意准确性原则（本体一致性、数据标准统一性、本地表现状态一致性）
- 知识计算部分：需要特别注意适用性原则
- 知识应用部分：人机交互接口
- 贷款全流程：有效控制贷款准入、提升贷款决策有效性
- 审批额度时：防止多头授信、规避关联企业互相担保
- 贷后监控中：检测资金流入关联企业、参与民间借贷
- 保金过程中：识别企业的关联资产、弥补损失
8. 知识图谱的自动构建
可构建的图谱：例如公司图谱、产品图谱、⼈物图谱、智能预警等。在行业应用中使用知识图谱，大致有如下几种方式：
- 可以使用现有的套装工具，在现有套装工具的基础上进行扩充：LOD2、Stardog
- 可以使用各生命周期过程中的相应工具进行组合使用，针对性开发或扩展生命周期中特定工具
如果您对异常检测感兴趣，欢迎浏览我的另一篇博客：异常检测算法演变及学习笔记
如果您对智能推荐感兴趣，欢迎浏览我的另一篇博客：智能推荐算法演变及学习笔记 、CTR预估模型演变及学习笔记
如果您对时间序列分析感兴趣，欢迎浏览我的另一篇博客：时间序列分析中预测类问题下的建模方案 、深度学习中的序列模型演变及学习笔记
如果您对数据挖掘感兴趣，欢迎浏览我的另一篇博客：数据挖掘比赛/项目全流程介绍 、机器学习中的聚类算法演变及学习笔记
如果您对人工智能算法感兴趣，欢迎浏览我的另一篇博客：人工智能新手入门学习路线和学习资源合集（含AI综述/python/机器学习/深度学习/tensorflow）、人工智能领域常用的开源框架和库（含机器学习/深度学习/强化学习/知识图谱/图神经网络）
如果你是计算机专业的应届毕业生，欢迎浏览我的另外一篇博客：如果你是一个计算机领域的应届生，你如何准备求职面试？
如果你是计算机专业的本科生，欢迎浏览我的另外一篇博客：如果你是一个计算机领域的本科生，你可以选择学习什么？
如果你是计算机专业的研究生，欢迎浏览我的另外一篇博客：如果你是一个计算机领域的研究生，你可以选择学习什么？
如果你对金融科技感兴趣，欢迎浏览我的另一篇博客：如果你想了解金融科技，不妨先了解金融科技有哪些可能？
之后博主将持续分享各大算法的学习思路和学习笔记：hello world: 我的博客写作思路
