出品 | AI科技大本营（ID：rgznai100）知识图谱的概念最早由 Google 在2012 年提出， 旨在架构更智能的搜索引擎，2013年之后开始在学术界和产业界普及，目前很多大型互联网公司都在积极部署本企业的知识图谱，Facebook、百度、阿里、腾讯、美团等企业的落地应用场景如下图所示。作为人工智能核心技术驱动力，知识图谱可以缓解深度学习依赖海量数据训练，需要大规模算力的问题，能够广泛适配不同的下游任务，且具有良好的解释性。目前，这一技术已广泛应用于搜索、推荐、广告、风控、智能调度、语音识别、机器人等多个业务领域。
从落地行业来看，目前知识图谱的应用主要集中在电商、医疗、金融等商业和服务领域，关于汽车知识的语义网络及知识图谱构建缺少系统性的指导方法。本文以汽车领域知识为例，围绕车系、车型、经销商、厂商、品牌等实体及相互关系，提供一种从零搭建领域图谱的思路。
如何进行图谱构建？构建挑战知识图谱是真实世界的语义表示，其基本组成单位是“实体-关系-实体”，“实体-属性-属性值”的三元组（Triplet），实体之间通过关系相互联结，从而构成语义网络。图谱构建中会面临较大的挑战，但构建之后，可在数据分析、推荐计算、可解释性等多个场景中展现出丰富的应用价值。其中，构建挑战包括：

• Schema 难定义。目前尚无统一成熟的本体构建流程，且特定领域本体定义通常需专家参与；

• 数据类型异构。通常情况下，一个知识图谱构建中面对的数据源不会是单一类型，面对结构各异的数据，知识转模及挖掘的难度较高；

• 依赖专业知识。领域知识图谱通常依赖较强的专业知识，例如车型对应的维修方法，涉及机械、电工、材料、力学等多个领域知识，且此类关系对于准确度的要求较高，需要保证知识足够正确；

• 数据质量无保证。挖掘或抽取信息需要知识融合或人工校验，才能作为知识助力下游应用。

构建后将获得的收益：

• 知识图谱统一知识表示。通过整合多源异构数据，形成统一视图；
• 语义信息丰富。通过关系推理可以发现新关系边，获得更丰富的语义信息；
• 可解释性强。显式的推理路径对比深度学习结果具有更强的解释性；
• 高质量且能不断积累。根据业务场景设计合理的知识存储方案，实现知识更新和累积。

架构设计技术架构主要分为构建层、存储层及应用层三大层，架构图如下：

• 构建层。包括Schema定义，结构化数据转模，非结构化数据挖掘，以及知识融合；
  

• 存储层。包括知识的存储和索引，知识更新，元数据管理，以及支持基本的知识查询；

• 服务层。包括智能推理、结构化查询等业务相关的下游应用层。

  
  

构建步骤及流程

依据架构图，具体构建流程可分为四步：本体设计、知识获取、知识入库，以及应用服务设计及使用。

本体构建本体（Ontology）是公认的概念集合，本体的构建是指依据本体的定义，构建出知识图谱的本体结构和知识框架。基于本体构建图谱的原因主要有以下几点：

• 明确专业术语、关系及其领域公理，当一条数据必须满足Schema预先定义好的实体对象和类型后，才允许被更新到知识图谱中。

• 将领域知识与操作性知识分离，通过Schema可以宏观了解图谱架构及相关定义，无须再从三元组中归纳整理。

• 实现一定程度的领域知识复用。在构建本体之前，可以先调研是否有相关本体已经被构建出来，这样可以基于已有本体进行改进和扩展，达到事半功倍的效果。

• 基于本体的定义，可以避免图谱与应用脱节，或者修改图谱Schema比重新构建成本还要高的情况。

按照知识的覆盖面来看，知识图谱可以划分为通用知识图谱和领域知识图谱，通用图谱更注重广度，强调融合更多的实体数量，但对精确度的要求不高，很难借助本体库对公理、规则及约束条件进行推理和使用。而领域图谱的知识覆盖范围较小，但知识深度更深，往往是在某一专业领域上的构建。

考虑对准确率的要求，领域本体构建多倾向于手工构建的方式，例如代表性的七步法、IDEF5方法等[1]，该类方法的核心思想是，基于已有结构化数据，进行本体分析，将符合应用目的和范围的本体进行归纳及构建，再对本体进行优化和验证，从而获取初版本体定义。若想获取更大范畴的领域本体，则可以从非结构化语料中补充，考虑手工构建过程较长，以汽车领域为例，提供一种半自动本体构建的方式。

构建详细步骤如下：

• 首先，收集大量汽车非结构化语料（如车系咨询、新车导购文章等），作为初始个体概念集，利用统计方法或无监督模型（TF-IDF、BERT等）获取字特征和词特征；
• 其次，利用BIRCH聚类算法对概念间层次划分，初步构建起概念间层级关系，并对聚类结果进行人工概念校验和归纳，获取本体的等价、上下位概念；
• 最后，使用卷积神经网络结合远程监督的方法，抽取本体属性的实体关系，并辅以人工识别本体中的类及属性的概念，构建起汽车领域本体。

上述方法可有效利用BERT等深度学习技术，更好地捕捉语料间的内部关系，使用聚类分层次对本体各模块进行构建，辅以人工干预，能够快速、准确的完成初步本体构建。下图为半自动化本体构建示意图：

利用Protégé本体构建工具[2]，可以进行本体概念类、关系、属性和实例的构建，下图为本体构建可视化示例图：Protégé可以导出不同类型的Schema配置文件，其中owl.xml结构配置文件如下图所示。该配置文件可直接在MySQL、JanusGraph中加载使用，实现自动化的创建Schema。
知识获取
知识图谱的数据来源通常包括三类数据结构，分别为结构化数据、半结构化数据、非结构化数据。面向不同类型的数据源，知识抽取涉及的关键技术和需要解决的技术难点有所不同。结构化知识转模结构化数据是图谱最直接的知识来源，基本通过初步转换就可以使用，相较其他类型数据成本最低，所以图谱数据一般优先考虑结构化数据。结构化数据可能涉及多个数据库来源，通常需要使用ETL方法转模，ETL即Extract（抽取）、Transform（转换）、Load（装载）。通过ETL流程可将不同源数据落到中间表，从而方便后续的知识入库。下图为车系实体属性、关系表示例图：车系与品牌关系表：非结构化知识抽取——三元组抽取除了结构化数据，非结构化数据中也存在着海量的知识（三元组）信息。一般来说，企业的非结构化数据量要远大于结构化数据，挖掘非结构化知识能够极大拓展和丰富知识图谱。

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。