知识图谱入门简介
一、 知识图谱技术体系
知识图谱的构建主要涉及到知识建模、知识抽取、知识融合、知识存储、知识计算以及知识应用，具体可以归纳如下：
二、 知识图谱实施方法
- 使用现有的套装工具（如LOD2、Stardog）
- 在现有套装工具的基础上进行扩充
- 针对知识图谱生命周期的各种工具进行组合
- 有针对性的开发某种工具
- 从零开始构建
三、 技术架构
知识图谱架构如下图，这其中主要包括如下几个部分：
3.1 数据采集
主要涉及到爬虫技术
3.2 建立本体
可以采用如下两种方式
自顶向下：由专家创建
自底向上：
- 从现有的行业标准转化；
- 从现有高质量数据源（如百科）转化
3.3 本体编辑
有很多现有的工具：如Protégé、Semantic Turkey、Swoop、OBO-Edit等，存在的缺点是需要个人编辑，不能多人并行编辑
3.4 知识抽取
针对不同的目标数据类型，可以提供文件导入、ETL、Wrapper、Extractor三种方式：
- 结构化数据， 如RDB中的数据，直接ETL或文件上传
- 半结构化数据， 如百科，配置Wrapper解析逻辑
- 文档、文本类数据， 如一般的web数据，利用文本抽取引擎的自然语言处理技术（NLP）、机器学习，利用Extractor抽取成结构化的知识数据
3.5 知识融合
把结构化数据、半结构化数据、非结构化数据的知识表达形式都统一成RDF的形式，便于存储和查询。具体的知识融合主要包括如下两种类型：
- 合并外部知识库： 数据层的融合、模式层的融合
开放数据集成框架：LDIF
- 合并关系型数据库：将关系型数据转换成RDF的格式，现有工具Triplify、 d2rServer 、OpenLink、 Virtuoso 、SparqlMap等
3.6 知识存储
知识存储的主流存储方式是图数据库，但具体实施时需要根据具体的业务需求来选择存储方式，下表总结了各种存储方式的特点：
- 关系型数据库存储三元组表（S，P，O）: 类似RDF存储结构，以元组为单元进行存储。语义较为明确
问题：大量自连接操作的开销巨大
- 关系型数据库存储属性表: 属性相似的主语聚为一张表，类似关系型数据结构，每一条数据代表一个实体，每一列代表一个属性
问题：
（1）、 RDF灵活性（高于一阶的关系查询很复杂）
（2）、 查询时必须指定属性，无法做不确定属性的查询
- 关系型数据库存储垂直分割: 以谓语划分三元组表，根据属性的不同建立数据表，数据结构较为清晰
问题：
（1）、大量数据表
（2）、删除属性代价大
- 关系型数据库存储RDF存储: 专为存储三元组形式的数据而设计的专用数据库，通过六重索引（SPO、SOP、PSO、POS、OSP、OPS）的方式解决了三元组搜索的效率问题
优点：
（1）、三元组模式查询（triple pattern）的高效执行
（2）、任意两个三元组模式的高效归并连接（merge-join）
缺点：
（1）、六重索引意味着6倍空间开销
（2）、更新维护代价大
- 图数据库存储: 图数据库的结构定义相比RDF数据库更为通用，实现了图结构中的节点，边以及属性来进行图数据的存储，典型的开源图数据库就是Neo4j。
优点：数据库本身提供完善的图查询语言、支持各种图挖掘算法，缺点：图数据库的分布式存储实现代价高，数据更新速度慢，大节点的处理开销很高。
- 时态数据存储: 知识图谱中的时态信息包含以下四个方面：
事实的生成时间
某事实的有效时间段
某一对象在特定历史时刻的状态
知识图谱在过去特定时间的版本
- 存储原则
关系型数据：使用图形数据存储
关联型数据：作为记录型数据存入合适的存储中，通过实体链接与图谱中实体关联。
属性型数据：作为实体的数值属性存入知识图谱
时态型数据：使用基础存储上的时态处理中间件进行存储与查询
3.7 知识表现
知识表现主要涉及语义网的知识，其中与知识图谱相关紧密的是RDF、 OWL、SPARQL几种，具体的特征和用处如下表：
3.8 知识推理
- jena是一个java 的API，用来支持语义网的有关应用，学习jena需要了解XML 、RDF、 Ontology、OWL等方面的知识。
- RDFox是一个高度可扩展的内存RDF三重存储，支持共享内存并行数据推理。它是一个用C ++编写的跨平台软件，带有一个Java包装器，可以与任何基于Java的解决方案轻松集成
3.9 知识检索
索引系统的构建，并对查询的结果进行排序
3.10 人机交互
集成现有的可视化工具，实现知识图谱的可视化。常见的可视化工具如3D.js、Echarts等。
