知识图谱是一个交叉领域：

1. 重新理解知识工程与知识获取

符号主义的核心思想：人工智能源于数理逻辑、智能的本质是符号的操作和运算

Knowledge is the power in AI，知识工程是以知识为处理对象，研究知识系统的知识表示、处理和应用的方法和开发工具的学科。

上世纪的七八十年代，传统知识工程的确解决了很多问题，但大部分都在规则明确、边界清晰、应用封闭的场景取得了成功，而对于开放的问题则难以实现。传统知识工程往往是自上而下实现，由专家去表达知识、运用知识，这会存在很多问题：

• 人工构建的知识库规模和知识覆盖率很有限
• 专家对知识的认知也很难统一且具有高度的不确定性和不精确性

知识获取的瓶颈：成年人脑包含近1000亿神经元，每个神经元都可能有近1000的连接。模拟这样的人脑需要约100TB的参数，如果需要获取全体人类知识，这靠人工编码是无法完成的。

知识图谱工程：简化的知识工程：

从不同来源、不同结构的数据中进行知识提取，形成知识存入到知识图谱：

1）从关系数据库获取知识

定义一个本体，利用映射语言将关系模型映射到本体语言。

• 利用 W3C 的 r2rml (opens new window) 映射语言

2）从视觉数据获取知识

在 CV 领域有一个 Scene Graph Construction，旨在识别对象的基础之上，进一步识别对象之间的关联关系并形成关系图。

3）从文本获取知识

• 命名实体识别：

• 术语抽取（概念抽取）：从语料中发现多个单词组成的相关术语
• 关系抽取：从句子中抽取出实体关系：

• 事件抽取：事件是更为复杂的结构化数据，事件抽取可以看成一组三元组联合抽取的过程：

小结：知识图谱 ≠ 专家系统，知识图谱是新一代的知识工程，不再过于依赖人工，像百度、阿里等公司的知识图谱已经达到了百亿、千亿的规模。

2. 知识抽取——实体识别与分类

2.1 什么是实体识别

实体识别的主要目标：从文本中识别实体边界及其类型

2.2 实体识别的常用方法

2.2.1 基于模板和规则

将文本与规则进行匹配来识别出命名实体，定义很多正则表达式来描述这些规则。

• 优点：准确，有些实体识别只能依靠规则抽取
• 缺点：
  • 需要大量的语言学知识
  • 需要谨慎处理规则之间的冲突问题
  • 构建规则的过程费时费力、可移植性不好

2.2.2 基于序列标注的方法

利用机器学习算法，将实体识别任务视为一个序列标注问题，通过 classifier 给每一个词打一个标签，这需要设计各种类型的特征来训练这个 classifier，比如：

• 词本身的特征：边界特征（边界词概率）、词性、依存关系
• 前后缀特征：姓氏、地名（xx省、xx市）
• 字本身的特征：是否是数字、是否是字符

这样首先就要确定实体识别的序列标签体系：

2.3 常见序列标注模型：HMM（隐马尔可夫模型）

HMM 是非常传统的实体识别模型，虽然这些模型都已逐渐被深度学习所替代，但了解这些基本知识对理解事物的本质是非常重要的。

HMM 是有向图模型，基于马尔可夫性，假设特征之间是独立的。图中的节点分为两类：隐变量代表需要预测的标签，观测变量是句子本身：

这里不再介绍 HMM

2.4 常见序列预测模型：CRF 条件随机场

// TODO

2.5 基于深度学习的实体识别方法

// TODO

小结

• 实体识别仍面临着标签分布不平衡，实体嵌套等问题，制约了现实应用
• 中文的实体识别面临一些特有的问题，例如：中文没有自然分词、用字变化多、简化表达现象严重等等
• 实体识别是语义理解和构建知识图谱的重要一环，也是进一步抽取三元组和关系分类的前提基础

3. 知识抽取——关系抽取与属性补全

// TODO