什么是知識圖譜？有哪些典型應(yīng)用？終于有人講明白了

01 知識圖譜背景

在給出知識圖譜的定義之前，我們先分開討論一下什么是知識，什么是圖譜。

1. 什么是知識

首先看一下什么是知識。有讀者可能會提出這樣的問題，在大數(shù)據(jù)時代，人類擁有海量的數(shù)據(jù)，這是不是代表人類可以隨時隨地利用無窮無盡的知識呢？答案是否定的。

知識是人類在實踐中認識客觀世界（包括人類自身）的成果，它包括事實、信息、描述以及在教育和實踐中獲得的技能。知識是人類從各個途徑中獲得的經(jīng)過提升、總結(jié)與凝煉的系統(tǒng)的認識。

因此，可以這樣理解，知識是人類對信息進行處理之后的認識和理解，是對數(shù)據(jù)和信息的凝煉、總結(jié)后的成果。

讓我們來看一下Rowley在2007年提出的DIKW體系^[1]，如圖1-3所示，從數(shù)據(jù)、信息、知識到智慧，是一個不斷凝煉的過程。

▲圖1-3 DIKW體系

舉一個簡單的例子，226.1厘米，229厘米，都是客觀存在的孤立的數(shù)據(jù)。此時，數(shù)據(jù)不具有任何意義，僅表達一個客觀事實。而“姚明臂展226.1厘米”“姚明身高229厘米”是事實型的陳述，屬于信息的范疇。

知識，則是對信息層面的抽象和歸納，把姚明的身高、臂展，及其他屬性整合起來，就得到了對于姚明的一個認知，也可以進一步了解到姚明的身高是比普通人高的。對于最后的智慧層面，Zeleny提到的智慧是指知道為什么（Know-Why）^[2]，感興趣的讀者可以自行了解，本文暫不對此進行深入探討。 

2. 什么是圖譜

那么什么是圖譜？圖譜的英文是Graph，直譯過來就是“圖”的意思。在圖論（數(shù)學的一個研究分支）中，圖表示一些事物（Object）與另一些事物之間相互連接的結(jié)構(gòu)。

一張圖通常由一些結(jié)點（Vertice或Node）和連接這些結(jié)點的邊（Edge）組成?！皥D”這一名詞是由詹姆斯·約瑟夫·西爾維斯特在1878年首次提出的^[3]。圖1-4是一個非常簡單的圖，它由6個結(jié)點和7條邊組成。

▲圖1-4 由6個結(jié)點和7條邊組成的圖示例

從字面上看，知識圖譜就是用圖的形式將知識表示出來。圖中的結(jié)點代表語義實體或概念，邊代表結(jié)點間的各種語義關(guān)系。

我們再將姚明的一些基本信息，用計算機所能理解的語言表示出來，構(gòu)建一個簡單的知識圖譜。比如，<姚明，國籍，中國>表示姚明的國籍是中國，其中“姚明”和“中國”是兩個結(jié)點，而結(jié)點間的關(guān)系是“國籍”。

這是一種常用的基于符號的知識表示方式——資源描述框架（Resource Description Framework，RDF），它把知識表示為一個包含主語（Subject）、謂語（Predicate）和賓語（Object）的三元組<S,P,O>。

02 知識圖譜的定義

上一節(jié)對知識圖譜給出了一個具象的描述，即它是由結(jié)點和邊組成的語義網(wǎng)絡(luò)。那么該如何準確定義知識圖譜呢？這里我們可以先回顧一下其概念的演化歷程。

知識圖譜概念的演化歷程如圖1-5所示。

▲圖1-5 知識圖譜概念的演化歷程

語義網(wǎng)絡(luò)由劍橋語言研究所的Richard H. Richens提出，前文中已經(jīng)簡單介紹了語義網(wǎng)絡(luò)的含義。它是一種基于圖的數(shù)據(jù)結(jié)構(gòu)，是一種知識表示的手段，可以很方便地將自然語言轉(zhuǎn)化為圖來表示和存儲，并應(yīng)用在自然語言處理問題上，例如機器翻譯、問答等。

到了20世紀80年代，研究人員將哲學概念本體（Ontology）引入計算機領(lǐng)域，作為“概念和關(guān)系的形式化描述”， 后來，Ontology也被用于為知識圖譜定義知識體系（Schema）。

而真正對知識圖譜產(chǎn)生深遠影響的是Web的誕生。Tim Berners-Lee在1989年發(fā)表的“Information Management: A Proposal”^[4]中提出了Web的愿景， Web應(yīng)該是一個以“鏈接”為中心的信息系統(tǒng)（Linked Information System），以圖的方式相互關(guān)聯(lián)。

Tim認為“以鏈接為中心“和“基于圖的方式”，相比基于樹的固定層次化組織方式更加有用，從而促成了萬維網(wǎng)的誕生。我們可以這樣理解，在Web中，每一個網(wǎng)頁就是一個結(jié)點，網(wǎng)頁中的超鏈接就是邊。但其局限性是顯而易見的，比如，超鏈接只能說明兩個網(wǎng)頁是相互關(guān)聯(lián)的，而無法表達更多信息。

1994年，在第一屆國際萬維網(wǎng)大會上，Tim又指出，人們搜索的并不是頁面，而是數(shù)據(jù)或事物本身，由于機器無法有效地從網(wǎng)頁中識別語義信息，因此僅僅建立Web頁面之間的鏈接是不夠的，還應(yīng)該構(gòu)建對象、概念、事物或數(shù)據(jù)之間的鏈接。

隨后在1998年，Tim正式提出語義網(wǎng)（Semantic Web）的概念。語義網(wǎng)是一種數(shù)據(jù)互連的語義網(wǎng)絡(luò)，它仍然基于圖和鏈接的組織方式，但圖中的結(jié)點不再是網(wǎng)頁，而是實體。

通過為全球信息網(wǎng)上的文檔添加“元數(shù)據(jù)”（Meta Data），讓計算機能夠輕松理解網(wǎng)頁中的語義信息，從而使整個互聯(lián)網(wǎng)成為一個通用的信息交換媒介。我們可以將語義網(wǎng)理解為知識的互聯(lián)網(wǎng)（Web of Knowledge）或者事物的互聯(lián)網(wǎng)（Web of Thing）。

2006年，Tim又提出了鏈接數(shù)據(jù)（Linked Data）的概念，進一步強調(diào)了數(shù)據(jù)之間的鏈接，而不僅僅是文本的數(shù)據(jù)化。后文還會介紹鏈接開放數(shù)據(jù)（Linked Open Data，LOD）項目，它也是為了實現(xiàn)Tim有關(guān)鏈接數(shù)據(jù)作為語義網(wǎng)的一種實現(xiàn)的設(shè)想。

隨后在2012年，Google基于語義網(wǎng)中的一些理念進行了商業(yè)化實現(xiàn)，其提出的知識圖譜概念也沿用至今。

可以看到，知識圖譜的概念是和Web、自然語言處理（NLP）、知識表示（KR）、數(shù)據(jù)庫（DB）、人工智能（AI）等密切相關(guān)的。所以我們可以從以下幾個角度去了解知識圖譜。 

• 從Web的角度來看，像建立文本之間的超鏈接一樣，構(gòu)建知識圖譜需要建立數(shù)據(jù)之間的語義鏈接，并支持語義搜索，這樣就改變了以前的信息檢索方式，可以以更適合人類理解的語言來進行檢索，并以圖形化的形式呈現(xiàn)。

• 從NLP的角度來看，構(gòu)建知識圖譜需要了解如何從非結(jié)構(gòu)化的文本中抽取語義和結(jié)構(gòu)化數(shù)據(jù)。

• 從KR的角度來看，構(gòu)建知識圖譜需要了解如何利用計算機符號來表示和處理知識。

• 從AI的角度來看，構(gòu)建知識圖譜需要了解如何利用知識庫來輔助理解人類語言，包括機器翻譯問題的解決。

• 從DB的角度來看，構(gòu)建知識圖譜需要了解使用何種方式來存儲知識。

由此看來，知識圖譜技術(shù)是一個系統(tǒng)工程，需要綜合利用各方面技術(shù)。國內(nèi)的一些知名學者也給出了關(guān)于知識圖譜的定義。這里簡單列舉了幾個。

電子科技大學的劉嶠教授給出的定義是：

知識圖譜，是結(jié)構(gòu)化的語義知識庫，用于以符號形式描述物理世界中的概念及其相互關(guān)系，其基本組成單位是“實體–關(guān)系–實體”三元組，以及實體及其相關(guān)屬性–值對，實體之間通過關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀的知識結(jié)構(gòu)^[5]。

清華大學的李涓子教授給出的定義是：

知識圖譜以結(jié)構(gòu)化的方式描述客觀世界中概念、實體及其關(guān)系,將互聯(lián)網(wǎng)的信息表示成更接近人類認知世界的形式，提供了一種更好地組織、管理和理解互聯(lián)網(wǎng)海量信息的能力^[6]。

浙江大學的陳華鈞教授對知識圖譜的理解是：

知識圖譜旨在建模、識別、發(fā)現(xiàn)和推斷事物、概念之間的復雜關(guān)系，是事物關(guān)系的可計算模型，已經(jīng)被廣泛應(yīng)用于搜索引擎、智能問答、語言理解、視覺場景理解、決策分析等領(lǐng)域。

東南大學的漆桂林教授給出的定義是：

知識圖譜本質(zhì)上是一種叫作語義網(wǎng)絡(luò)的知識庫，即一個具有有向圖結(jié)構(gòu)的知識庫，其中圖的結(jié)點代表實體或者概念，而圖的邊代表實體/概念之間的各種語義關(guān)系^[7]。

當前，無論是學術(shù)界還是工業(yè)界，對知識圖譜還沒有一個唯一的定義，本文的重點也不在于給出理論上的精確定義，而是嘗試從工程的角度，講解如何構(gòu)建有效的知識圖譜。有一些常見概念，這里列舉如下。

• 實體：對應(yīng)一個語義本體，例如“姚明”“中國”等。

• 屬性：描述一類實體的特性（例如“身高”：姚明的身高是229厘米）。

• 關(guān)系：對應(yīng)語義本體之間的關(guān)系，將實體連接起來（例如“國籍”：姚明的國籍是中國）。

有些學者也將屬性定義為關(guān)系，屬于屬性關(guān)系的一種。但本文將屬性和關(guān)系作為兩種不同的概念區(qū)別對待。

03 知識圖譜的典型應(yīng)用

我們在前文中已經(jīng)接觸到了知識圖譜對搜索引擎的成功應(yīng)用。知識圖譜為搜索提供了豐富的結(jié)構(gòu)化結(jié)果，體現(xiàn)了信息和知識的關(guān)聯(lián)，可以通過搜索直接得到答案。

除了通用搜索引擎之外，在一些特定領(lǐng)域中，知識圖譜也發(fā)揮著重要作用，例如同花順公司的問財系統(tǒng)、文因互聯(lián)的文因企業(yè)搜索等。

1. 醫(yī)療領(lǐng)域

在醫(yī)療領(lǐng)域，為了降低發(fā)現(xiàn)新藥的難度，Open Phacts聯(lián)盟構(gòu)建了一個發(fā)現(xiàn)平臺，通過整合來自各種數(shù)據(jù)源的藥理學數(shù)據(jù)，構(gòu)建知識圖譜，來支持藥理學研究和藥物發(fā)現(xiàn)。

IBM Waston通過構(gòu)建醫(yī)療信息系統(tǒng)，以及一整套的問答和搜索框架，以腫瘤診斷為核心，成功應(yīng)用于包括慢病、醫(yī)療影像、體外檢測在內(nèi)的九大醫(yī)療領(lǐng)域。

其第一步商業(yè)化運作是打造了一個腫瘤解決方案（Waston for Oncology），通過輸入紀念斯隆·凱特琳癌癥中心的數(shù)千份病例、1500萬頁醫(yī)學文獻，可以為不同的腫瘤病人提供個性化治療方案，連同醫(yī)學證據(jù)一起推薦給醫(yī)生。

2. 金融投資領(lǐng)域

在投資研究領(lǐng)域，成立于2010年的AlphaSense公司打造了一款新的金融知識引擎。

與傳統(tǒng)的金融信息數(shù)據(jù)平臺不同，這款知識引擎并不僅僅局限在金融數(shù)據(jù)的整合和信息平臺的范圍，而是通過構(gòu)建知識圖譜，加上自然語言處理和語義搜索引擎，讓用戶可以更方便地獲取各種素材并加工再使用。

另外一款非常具有代表性的金融知識引擎是Kensho。它通過從各種數(shù)據(jù)源搜集信息，構(gòu)建金融知識圖譜，并關(guān)注事件和事件之間的依賴，以及對結(jié)果的關(guān)聯(lián)和推理，從而可為用戶提供自動化語義分析、根據(jù)特定行情判斷走勢等功能。

3. 政府管理和安全領(lǐng)域

在政府管理和安全領(lǐng)域，一個具有代表性的案例是Palantir，因通過大規(guī)模知識圖譜協(xié)助抓住了本·拉登而聲名大噪。

其核心技術(shù)是整理、分析不同來源的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，為相關(guān)人員提供決策支持。例如在軍事情報分析系統(tǒng)中，將多源異構(gòu)信息進行整合，如電子表格、電話、文檔、傳感器數(shù)據(jù)、動態(tài)視頻等，可以對人員、裝備、事件進行全方位實時的監(jiān)控分析，使調(diào)度人員第一時間掌握戰(zhàn)場態(tài)勢，并做出預(yù)判。

除了協(xié)助抓住本·拉登，Palantir的另外一項赫赫有名的成就是協(xié)助追回了前納斯達克主席麥道夫金融欺詐案的數(shù)十億美金。

4. 電商領(lǐng)域

在電商領(lǐng)域，阿里巴巴生態(tài)積聚了海量的商品和交易數(shù)據(jù)，它以商品、產(chǎn)品、品牌和條碼為核心，構(gòu)建了百億級別的商品知識圖譜，可以廣泛應(yīng)用于搜索、導購、平臺治理、智能問答等業(yè)務(wù)，同時保持每天千萬級別的惡意攻擊攔截量，極大提升了消費者的購物體驗。

5. 聊天機器人領(lǐng)域

在聊天機器人領(lǐng)域，具有問答功能的產(chǎn)品，例如Siri、微軟小冰、公子小白、琥珀·虛顏、天貓精靈、小米音箱，背后均有大規(guī)模知識圖譜的支持。

例如在琥珀·虛顏中，除了有通用百科知識圖譜——“七律”的支持，還有子領(lǐng)域，例如動漫知識圖譜、美食知識圖譜、星座知識圖譜的支持。圖1-13給出了公子小白在多類別知識圖譜融合后的一個問答對話示例。

▲圖1-13 公子小白對話示例

(歡迎大家加入數(shù)據(jù)工匠知識星球獲取更多資訊。)

了解更多精彩內(nèi)容

長按，識別二維碼，關(guān)注我們吧！

數(shù)據(jù)工匠俱樂部

微信號：zgsjgjjlb

專注數(shù)據(jù)治理，推動大數(shù)據(jù)發(fā)展。