干货 | 初学者入门必看的“知识图谱”解读（下）

回看上篇内容，可点击：“知识图谱”解读（上）、“知识图谱”解读（中）

本系列参考了市面上已知的，几乎全部“知识图谱”相关文章，并总结提炼出一套适合初学者入门的“知识图谱”的知识体系，希望大家能有所收获。

六，知识图谱的构建流程：

以结构化数据为例，数据存储在MySQL中。

1，定义本节讨论的内容：

不讨论，自然语言处理：如何完成非结构化或半结构化文本的抽取；

不讨论，机器学习：如何使用机器学习或深度学习的方法完成图谱隐含的语义推理。

讨论，知识工程：如何根据业务需求，完成概念实体，对象关系属性和数据值属性的定义；

讨论，数据库：如何根据业务流量，完成结构化数据到知识图谱的存储和应用。

2，知识工程简介：

• 2.1，本体构建：

知识工程，最重要的工作就是”本体构建“。

希望达到的效果是，对于不同来源、不同内容的数据，在接入知识图谱时都会按照预定义的schema对数据进行转换和清洗，无缝使用已有元数据和资源。

即，根据具体的业务需求，抽象出对应的概念(实体:公司，人物)，对象属性(关系: 融资，任职)，数据属性(值: 融资金额，担任职位)等要素。

本体构建，常用的工具是斯坦福大学的开源工具Protege。它实现了全套OWL本体文件的定义，但是它只能以序列化（N-Triples，Turtles）后的文件存储，并不支持多人协同编辑。

在工程实践中，可以按照Protege的基本功能，实现Web端管理平台编辑。

• 2.2，业务场景：

在不同的业务场景下，对同一份结构化数据，构建的本体会有很大差异，所以，在初始化知识图谱项目中，可使用“二八原则”，找准一个落地应用场景，快速开始。比如，企业基本信息图谱，企业舆情事件图谱等。

3，数据转换：

使用开源工具包（D2RQ），将存储在MySQL中的结构化数据，转换为RDF的三元组数据。

• 3.1，D2RQ转换流程：

D2RQ，自定义了一套关系型数据库至OWL文件的“映射语言”，可以通过人工定义并编辑，将不同MySQL连接实例的不同字段，依照"映射语言"中的语法规则，与OWL文件中定义的本体字段互相关联，从而实现转换。工程上，可以将该功能做在管理平台上，让业务人员配置。

Link：The D2RQ Mapping Language（http://d2rq.org/d2rq-language）

当然，如果图谱的构建是一次性的工作，可以将MySQL中的数据拆表。即，（1），所有Class概念和Data Property拆成独立表，以实体ID为主键，允许存在外键；（2），不同Class概念间的关联Object Property拆成独立表，表内包含2个ID字段，同时它们是对应Class表的主键。

4，数据操作：

使用Apache Jena Frame，实现RDF数据的操作和处理。

Jena是一整套开源的语义网技术栈操作API，包含本体推理，规则推理和自带数据库。工程上，可以使用它，完成W3C定义的全部语义网功能。

Link：Apache Jena（https://jena.apache.org/documentation/javadoc/jena/index.html）

5，数据存储：

使用属性图数据库，比如，Neo4j，实现三元组数据的存储。

就像在知识图谱（上）中介绍的那样，RDF只是一套描述世界全部知识的表述规范，即三元组规范。它并未定义任何三元组数据的存储方式。

因此，理论上，在工程实现中，可以工程代码实现的方式，使用属性图数据库存储RDF文件，即，编码实现RDF模型，至属性图模型的转换。有2种方式：

• 5.1，平移变换：

将三元组数据平移变换至图数据库。

• 5.2，合并变换：

比如，将Class作为节点，Object Property作为关系，Data Property作为节点中的属性，转储自属性图数据库。个人比较推荐这种方式，因为它有一个，由Neo4J的电信解决方案总裁，“准官方”支持的解决方案。嘻嘻嘻~

6，上层应用

略，记得加Cache。

自此，已完成“知识图谱”的概念和实现的全部介绍，个人认为已经非常详尽，欢迎各位小伙伴私信提问。