知识图谱开源软件

原文http://www.yuanshihui.cn/detail/0e96e345620ad20ca02a8c9a

人工智能开源软件发展现状连载——第八集:知识图谱开源软件

知识图谱开源软件知识库语义人工智能

知识图谱 (Knowledge Graph)是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”，实体和关系又有其自身的“属性”。实体、关系和属性构成知识图谱的核心三要素。

概述

知识图谱本质上是语义 络（Semantic Network)。目前知识图谱这个概念最早由Google在2012年提出，主要是用来优化现有的搜索引擎。最近，知识图谱慢慢地被泛指各种大规模的知识库。知识图谱的构建属于知识工程的范畴，其发展历程如图1所示。

图1知识图谱的发展历程

知识图谱从其知识的覆盖面来看可以分为开放域知识图谱和垂直领域知识图谱，前者主要是百科类和语义搜索引擎类的知识基础，后者在金融、教育、医疗、汽车等垂直领域积累行业内的数据而构成。

知识图谱在语义搜索、百科知识及自动问答等方面有着很典型的应用。在语义搜索领域，基于知识图谱的语义搜索可以用自然语言的方式查询，通过对查询语句的语义理解，明确用户的真实意图，从知识图谱中获取精准的答案，并通过知识卡片等形式把结果结构化地展示给用户，目前具体应用有Google、百度知心、搜狗知立方等。在百科知识领域，知识图谱构建的知识库与传统的基于自然文本的百科相比，有高度结构化的优势。在自动问答和聊天机器人领域，知识图谱的应用包括开放域、特定领域的自动问答以及基于问答对（FAQ）的自动问答。比如IBM的Watson，Apple的Siri，Google Allo，Amazon Echo，百度度秘以及各种情感聊天机器人、客服机器人、教育机器人等。

开源知识库

DBPedia是由OpenLink Virtuoso托管和发布的基于GPL协议的开源知识库。DBpedia以互联 挖掘的方式从各种维基媒体项目创建的信息中提取结构化内容，以机器可读的形式存储知识，并提供信息收集、组织、共享、搜索和利用的手段。DBpedia 2014年发布的版本包含30亿条三元组。DBpedia知识库与现有的知识库相比有几个优点：涵盖领域多、代表真实的 区协议、会随着维基百科的变化而自动演变、多语言。DBpedia知识库的用例非常广泛，包括企业知识管理、Web搜索以及维基百科搜索的革命。

其他的开放知识图谱有：ConceptGraph、BabelNet、CN-DBPeidia、OpenKG等。

开源构建工具

除了Protege，还有Stanford OpenIE、Tuffy、OpenKE、Grakn等应用于知识图谱构建的开源软件。但它们普遍受到的关注度不高，这在一定程度上体现出了知识图谱领域用于构建图谱的开源软件的匮乏。

完整的知识图谱构建还包括知识的存储。知识图谱有两类存储方式，一类是传统的RDF结构存储，RDF 标准的结构化查询语言是SPARQL；另一类是图数据库，它可以弥补传统关系型数据库在存储知识图谱时查询复杂、缓慢的缺陷。目前常用的图数据库软件包括Neo4j、OrientDB、ArangoDB和AllegroGrap等。

小结

知识图谱提供了一种新的数据和知识组织方式，能够让多源异构的数据知识化，基于知识图谱能够建立各种知识服务和智能应用。知识图谱在金融、医疗、农业、法律等很多垂直领域的应用已经得到了迅速地展开，范围越来越广，程度由浅入深。但知识图谱的构建和应用具有很大的技术难度，需要自然语言处理、数据库和语义推理等多重技术的支持。