知识图谱之知识存储与知识推理

知识存储

知识图谱的知识（数据）通常存储在图数据库中，图数据库的基本含义是以“图”这种数据结构存储和查询数据。它的数据模型主要是以节点和关系(边)来体现，也可以处理键值对。它的优点是能快速解决复杂的关系问题。

图数据库的种类很多，其中开源的如Apache Jena、RDF4j、gStore等，商业数据库如Virtuoso、AllegroGraph、Stardog等，原生图数据库如Neo4j、OrientDB、Titan等。

Jena

Apache Jena是一个免费开源的支持构建语义网络和数据连接应用（知识图谱）的Java框架，其架构如下：

其中，从下往上分别是知识存储层、知识推理层、知识表示层。最上方有一个Fuseki模块，它相当于Apache Jena的客户端，我们的很多操作都是在它提供的各种工具和接口上进行的。

Neo4j

Neo4j是一个高性能的NOSQL图形数据库，直接将数据存储在网络(图)中，并且是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎。

Neo4j具有以下特性：

支持Lucene索引

支持属性图：图中包含两种基本数据类型——节点和边，所有的节点和边都可以定义它上面的属性，不同节点之间通过关系（边）进行关联形成关系型网络结构，节点和边的属性通过key-value表示和存储，这样边（关系）跟节点（实体）一样，都是一等公民。

支持ACID

高可用性

Jena构建知识图谱实例

下面通过一个构建音乐知识图谱的示例，并结合Apache Jena来具体给大家讲解。

track是歌曲，歌曲与歌曲之间通过某种关系进行关联，进而将所有音乐实体组织成这种网状结构，虚线表示可以动态添加的内容，更加说明了知识图谱是一种schemaless的数据组织形式。

数据以RDF三元组的形式进行导入和底层存储，属性和关系都通过三元组的形式组织（区别于Neo4j）。

数据导入：

filename为上图中的三元组文件路径。

启动Fuseki服务：

music为图数据库name。启动后，服务会监听本地的3030端口。

数据CRUD操作：数据的增删改查有两种方式，一种是直接通过Fuseki界面执行（http://localhost:3030）:

另一种是使用endpoint接口执行：

query_url：http://localhost:3030/music/query，update_url：http://localhost:3030/music/update。（需要先通过pip安装SPARQLWrapper） 对于更多的SPARQL和Jena用法请参见官方文档。

知识推理

上一节讲到的知识查询，就是利用图结构进行语义查询，其核心是一个子图匹配的过程，可能还会用到图计算（PageRank、最短路径等）和图挖掘的技术（Apache Giraph、Spark GraphX），这些其实都是浅层次的知识推理。

所谓推理就是通过各种方法获取新的知识或者结论，这些知识和结论满足语义。知识推理就是在已有的知识库的基础上，进一步挖掘隐含的知识，从而丰富、扩展知识库。 知识推理的常用方法有基于Tableaux运算的方法、基于逻辑编程改写的方法、基于一阶查询重写的方法、基于产生式规则的方法等。

基于Tableaux运算适用于检查某一本体的可满足性（TRUE or FALSE），以及实例检测。

可以得出Allen不在Woman的结论。

本体推理具有一定的局限性，如仅支持预定义的本体公理上的推理，无法针对自定义的词汇支持灵活推理，用户无法定义自己的推理过程等。因此引入规则推理，它可以根据特定的场景定制规则，以实现用户自定义的推理过程。 这里引入Datalog语言，它可以结合本体推理和规则推理。 基于逻辑编程改写的方法可以根据特定的场景定制规则，以实现用户自定义的推理过程。

基于一阶查询重写的方法可以高效的结合不同数据格式的数据源，重写方法关联起了不同的查询语言，以Datalog语言为中间语言，首先重写SPARQL语言为Datalog，再将Datalog重写为SQL查询。上一节讲到的知识查询其实就是这种方式。

基于产生式规则的方法是一种前向推理系统，可以按照一定机制执行规则从而达到某些目标。通常被应用于自动规划、专家系统上。 产生式系统由事实集合(Working Memory)、产生式/规则集合、推理引擎组成。

事实集合(Working Memory，WM): 是事实的集合，用于存储当前系统中所有事实。事实(Working Memory Element, WME)，包含描述对象和描述关系，描述对象例如(student name: Alice age: 24)，描述关系(Refication)例如(olderThan John Alice)。

产生式集合(Production Memory, PM)：是类似于conditions => actions这样的语句。其中conditions是由条件组成的集合，又称为LHS，条件之间是且的关系，即当LHS中所有条件均被满足，则该规则才被触发；actions 是由动作组成的序列，又称为RHS，动作是依次执行的。举个例子: (Student name:x ) => ADD (Person name:x )，表示student是一个person。推理规则也可以通过无监督学习的手段进行挖掘，主要还是依赖于实体以及关系间的丰富同现情况。

推理引擎：它可以控制系统的执行，包含模式匹配（即用规则的条件部分匹配事实集中的事实，整个LHS都被满足的规则对应的action被触发，并被加入议程agenda）、解决冲突（按一定的策略从被触发的多条规则中选择一条）、执行动作（执行被选择出来的规则的RHS，从而对WM进行一定的操作）。

一种高效的模式匹配算法是RETE算法：

基于产生式规则的开源工具和框架有Drools、Jena、RDF4J等。

更多内容

关注AICUG

转自：子颢's Blog

1、12月15日

2、12月22日

✄-------------------------------------------

【加入社区】