知识图谱 05：从构建框架到实现路径

在知识图谱构建中首先要解决的往往不是“选哪种数据库”或“使用哪种查询语言”而是一个更基础的问题图谱应当从哪里开始构建。围绕这一问题知识图谱形成了两条经典路径自顶向下构建与自底向上构建。在真实系统中这两条路径又常常结合为混合构建。从本质上看构建路径所回答的是知识图谱应当先从知识结构出发还是先从原始数据出发是先设计语义框架再填充事实还是先从数据中抽取事实再逐步整理结构。一、知识图谱的一般构建框架从整体流程看知识图谱构建通常包括四个彼此衔接的阶段信息抽取、知识融合、知识加工、维护与更新。它们共同构成了知识图谱的一般构建框架。下面给出知识图谱的一般构建框架图示这一框架既说明了知识图谱“从哪里获得知识”也说明了这些知识“怎样被整理、加工并持续维护”。从图示可以看出知识来源通常包括三类• 结构化数据• 半结构化数据• 非结构化数据其中半结构化数据和非结构化数据通常需要先经过信息抽取才能转化为可处理的知识单元。1、信息抽取从原始数据中获得知识单元信息抽取的典型任务包括• 实体抽取• 关系抽取• 属性抽取它的作用是把原始数据中的对象、联系和属性识别出来转化为图谱可以接收的结构化表达。但抽取得到的结果往往还存在重复、冲突或歧义因此还需要进入知识融合阶段。延伸阅读《信息抽取从原始数据到知识单元》2、知识融合把多源描述整理为统一知识对象知识融合的主要任务包括• 实体对齐• 实体消歧• 多源知识整合在这一过程中第三方知识库也常常参与进来为已有知识提供补充、参照或校验。知识融合的目标不是简单把数据放在一起而是把关于同一实体或概念的多源描述统一起来形成较一致、较完整的知识对象。延伸阅读《知识融合从多源描述到统一知识》3、知识加工把事实表达提升为可用知识体系在知识融合之后系统还需要进一步进行知识加工主要包括• 本体构建• 质量评估• 知识推理其中本体构建有助于形成较稳定的概念结构与关系模式质量评估用于检查图谱的一致性、完整性与准确性知识推理则用于在已有知识基础上发现新的隐含知识。延伸阅读《知识加工从事实表达到可用知识体系》4、维护与更新让知识图谱持续演化知识图谱并不是一次性构建完成后就不再变化的静态系统。随着新数据持续进入、旧知识不断修正、应用需求逐步扩大图谱还需要长期维护与更新。这一阶段既包括实体、关系和属性的更新也包括数据质量管理、本体演化以及跨源一致性维护。延伸阅读《维护与更新让知识图谱持续演化》因此知识图谱构建并不是一条简单的单向流水线而是一个包含抽取、融合、加工、更新、评估和反馈的持续过程。二、自顶向下构建先有本体与模式自顶向下构建Top-Down Construction是指先从领域分析和概念建模入手设计知识图谱的本体和模式再在既定结构下逐步补充实例与事实。这一路径的核心是1明确领域范围2确定类、属性、关系及其层级结构3建立概念之间的语义约束4在既定模式下填充实例与事实。它的关键在于本体构建。本体构建不是简单列出若干概念名称而是系统地规定一个领域中的概念、属性、关系及其组织方式。这种方式的优势在于• 结构清楚• 概念边界明确• 语义一致性较强• 便于后续进行规则约束和知识复用但它也有局限• 前期建模成本较高• 对领域知识要求较高• 扩展性可能受限• 对开放领域和海量异构数据的适应性相对较弱因此自顶向下构建更适合领域边界清楚、概念体系较稳定、知识质量要求较高的场景。三、自底向上构建先从数据中抽取事实自底向上构建Bottom-Up Construction是指从已有数据资源出发利用知识抽取、实体识别、关系抽取、融合与清洗等技术从数据中逐步获得实体、关系、属性和事件并将这些事实组织为知识图谱。这一路径的核心是1获取原始数据2从多类数据中抽取知识要素3对抽取结果进行筛选、消歧、对齐与融合4在此基础上逐步形成图谱。其中信息抽取是自底向上路径的核心。它不是简单收集数据而是把原始数据转化为可表示、可关联、可计算的结构化事实。这种方式的优势在于• 更适合海量数据环境• 更容易快速扩充知识规模• 更贴近真实数据生态• 更适合持续迭代和动态更新但它也有局限• 抽取结果可能含有噪声• 同名异义、异名同义问题更突出• 结构一致性通常不如自顶向下稳定• 后续融合和质量治理成本较高因此自底向上构建更适合数据来源丰富、知识覆盖要求较大、需要持续扩展和动态更新的场景。四、为什么真实系统往往采用混合构建在真实系统中很少只坚持自顶向下或自底向上中的一种。原因在于1只依赖自顶向下结构虽然清楚但数据扩展速度往往有限2只依赖自底向上规模虽然容易扩大但结构一致性和语义质量又不容易稳定控制。因此很多知识图谱系统会采用混合构建Hybrid Construction的思路先建立一个基本的本体或模式框架再从多源数据中持续抽取事实并把抽取结果映射回既定结构之中。这样图谱既有相对稳定的语义骨架又具备持续吸纳新知识的能力。如果用一句话概括三者之间的区别• 自顶向下强调先搭建骨架• 自底向上强调先补充内容• 混合构建强调骨架与内容的同步演化从工程实践看混合构建通常最接近真实做法。五、怎样理解“构建框架”与“实现路径”的关系在知识图谱中“构建框架”和“实现路径”并不是同一个问题。1构建框架回答的是知识图谱一般要经历哪些阶段2实现路径回答的是这些阶段应当从哪里起步、以什么方式组织。也就是说信息抽取、知识融合、知识加工、维护与更新构成的是知识图谱构建的一般框架而自顶向下、自底向上与混合构建描述的是进入这一框架的不同方式。从这个角度看构建框架更像“全流程视图”实现路径更像“起步策略与组织方式”。二者结合起来才能较完整地理解知识图谱是怎样建成的。六、三类构建路径的适用场景三类路径各有适用范围并不存在绝对优劣。1、自顶向下更适合以下场景• 领域边界清楚• 本体要求明确• 一致性要求较高• 需要较强语义约束和推理能力2、自底向上更适合以下场景• 数据来源丰富• 知识覆盖范围要求较大• 需要快速扩展事实规模• 面向开放领域或互联网数据环境3、混合构建更适合以下场景• 既希望结构稳定又希望规模增长• 既重视模式设计又依赖持续抽取• 需要长期维护和持续演化• 面向真实业务系统与复杂应用环境 小结知识图谱构建既包括信息抽取、知识融合、知识加工和维护更新等一般框架也包括自顶向下、自底向上与混合构建等实现路径。实际选择取决于领域稳定性、数据来源、质量要求和系统目标。“点赞有美意赞赏是鼓励”