盤點4個典型的知識圖譜項目
導讀：本文將列舉幾個典型的知識圖譜項目。
圖1-6給出了具有代表性的知識圖譜項目的發(fā)展歷史。
▲圖1-6 知識圖譜發(fā)展歷史
從20世紀80年代開始的CYC項目，到Google 2012年提出的知識圖譜，再到現(xiàn)在不同語種、不同領域的知識圖譜項目大量涌現(xiàn)，知識圖譜已經(jīng)被深入研究并廣泛應用于各個行業(yè)。
例如，WordNet是典型的詞典知識庫，BabelNet也是類似于WordNet的多語言詞典知識庫，YAGO集成了Wikipedia、WordNet、GeoNames三個源的數(shù)據(jù)，NELL則持續(xù)不斷從互聯(lián)網(wǎng)上自動抽取三元組知識。
由于這些項目的相關資料較為豐富，本文僅挑選若干具有代表性的知識圖譜項目加以介紹。
01 CYC
https://cyc.com/
CYC項目開始于1984年，最初目標是建立人類最大的常識知識庫，將上百萬條知識編碼成機器可用的形式。根據(jù)維基百科數(shù)據(jù)，CYC包含320萬條人類定義的斷言，涉及30萬個概念和15000個謂詞。
1986年，Douglas Lenat推斷要構建這樣龐大的知識庫需設計25萬條規(guī)則，同時需要350個人年才能完成。這個看似瘋狂的計劃之所以能夠推進，和當時的歷史背景是不可分開的。
在CYC中，大部分工作是以知識工程為基礎，且大部分事實都是通過手動添加到知識庫上的。CYC主要由兩部分構成，第一部分是作為數(shù)據(jù)載體的多語境知識庫，第二部分是系統(tǒng)本身的推理引擎。
比如，通過“每棵樹都是植物”和“植物最終都會死亡”的知識，推理引擎可以推斷出“樹會死亡”的結論。1994年圖靈獎獲得者愛德華·費根鮑姆曾稱：“CYC是世界上最大的知識庫，也是技術論的最佳代表。”
02 ConceptNet
https://www.conceptnet.io/
ConceptNet是一個利用眾包構建的常識知識圖譜，起源于麻省理工大學媒體實驗室的Open Mind Common Sense（OMCS）項目，它免費開放并且具有多語言版本。其英文版本自1999年發(fā)布以來，由15000個貢獻者積累了超過100多萬個事實。
ConceptNet的一大特點是它的知識描述是非形式化的，更加貼近自然語言的描述。圖1-7給出了ConceptNet的一個組織架構。這里列舉了一些更為具體的描述，例如：“企鵝是一種鳥”“企鵝出現(xiàn)在動物園”“企鵝想要有足夠的食物”等。
▲圖1-7 ConceptNet的組織架構示例
03 DBpedia
https://www.dbpedia.org/
DBpedia是指數(shù)據(jù)庫版本的Wikipedia，是從Wikipedia中的信息框抽取出的鏈接數(shù)據(jù)庫。英文版本的DBpedia包含600萬實體，其中510萬個實體可以鏈接到本體上。并且，DBpedia還和Freebase、OpenCYC、Bio2RDF等多個數(shù)據(jù)集建立了數(shù)據(jù)鏈接。
截至目前，DBpedia是鏈接開放數(shù)據(jù)（LOD）中最大的具有代表性的開放鏈接數(shù)據(jù)庫之一。
04 LOD
https://lod-cloud.net/
上文提到，LOD的初衷是實現(xiàn)Tim有關鏈接數(shù)據(jù)作為語義網(wǎng)的一種實現(xiàn)的設想。
其遵循四個原則：
使用URI進行標識；
使用HTTP URI，以便用戶可以像訪問網(wǎng)頁一樣查看事物的描述；
使用RDF和SPARQL標準；
為事物添加與其他事物的URI鏈接，建立數(shù)據(jù)關聯(lián)。
截至2020年7月，LOD有1260個知識圖譜，包含16187個鏈接。圖1-8給出了LOD統(tǒng)計的知識圖譜的示意圖，它按照不同的顏色將知識圖譜分為9個大類，其中社交媒體、政府、出版和生命科學四個領域的數(shù)據(jù)占比之和超過 90%。
▲圖1-8 LOD知識圖譜概覽
