盤點(diǎn)4個(gè)典型的知識(shí)圖譜項(xiàng)目

圖1-6給出了具有代表性的知識(shí)圖譜項(xiàng)目的發(fā)展歷史。

▲圖1-6 知識(shí)圖譜發(fā)展歷史

從20世紀(jì)80年代開始的CYC項(xiàng)目，到Google 2012年提出的知識(shí)圖譜，再到現(xiàn)在不同語種、不同領(lǐng)域的知識(shí)圖譜項(xiàng)目大量涌現(xiàn)，知識(shí)圖譜已經(jīng)被深入研究并廣泛應(yīng)用于各個(gè)行業(yè)。

例如，WordNet是典型的詞典知識(shí)庫，BabelNet也是類似于WordNet的多語言詞典知識(shí)庫，YAGO集成了Wikipedia、WordNet、GeoNames三個(gè)源的數(shù)據(jù)，NELL則持續(xù)不斷從互聯(lián)網(wǎng)上自動(dòng)抽取三元組知識(shí)。

由于這些項(xiàng)目的相關(guān)資料較為豐富，本文僅挑選若干具有代表性的知識(shí)圖譜項(xiàng)目加以介紹。

01 CYC

https://cyc.com/

CYC項(xiàng)目開始于1984年，最初目標(biāo)是建立人類最大的常識(shí)知識(shí)庫，將上百萬條知識(shí)編碼成機(jī)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(gè)概念和15000個(gè)謂詞。

1986年，Douglas Lenat推斷要構(gòu)建這樣龐大的知識(shí)庫需設(shè)計(jì)25萬條規(guī)則，同時(shí)需要350個(gè)人年才能完成。這個(gè)看似瘋狂的計(jì)劃之所以能夠推進(jìn)，和當(dāng)時(shí)的歷史背景是不可分開的。

在CYC中，大部分工作是以知識(shí)工程為基礎(chǔ)，且大部分事實(shí)都是通過手動(dòng)添加到知識(shí)庫上的。CYC主要由兩部分構(gòu)成，第一部分是作為數(shù)據(jù)載體的多語境知識(shí)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(huì)死亡”的知識(shí)，推理引擎可以推斷出“樹會(huì)死亡”的結(jié)論。1994年圖靈獎(jiǎng)獲得者愛德華·費(fèi)根鮑姆曾稱：“CYC是世界上最大的知識(shí)庫，也是技術(shù)論的最佳代表。”

02 ConceptNet

https://www.conceptnet.io/

ConceptNet是一個(gè)利用眾包構(gòu)建的常識(shí)知識(shí)圖譜，起源于麻省理工大學(xué)媒體實(shí)驗(yàn)室的Open Mind Common Sense（OMCS）項(xiàng)目，它免費(fèi)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(gè)貢獻(xiàn)者積累了超過100多萬個(gè)事實(shí)。

ConceptNet的一大特點(diǎn)是它的知識(shí)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(gè)組織架構(gòu)。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(dòng)物園”“企鵝想要有足夠的食物”等。

▲圖1-7 ConceptNet的組織架構(gòu)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(shí)體，其中510萬個(gè)實(shí)體可以鏈接到本體上。并且，DBpedia還和Freebase、OpenCYC、Bio2RDF等多個(gè)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(shí)現(xiàn)Tim有關(guān)鏈接數(shù)據(jù)作為語義網(wǎng)的一種實(shí)現(xiàn)的設(shè)想。

其遵循四個(gè)原則：

• 使用URI進(jìn)行標(biāo)識(shí)；

• 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(biāo)準(zhǔn)；

• 為事物添加與其他事物的URI鏈接，建立數(shù)據(jù)關(guān)聯(lián)。

截至2020年7月，LOD有1260個(gè)知識(shí)圖譜，包含16187個(gè)鏈接。圖1-8給出了LOD統(tǒng)計(jì)的知識(shí)圖譜的示意圖，它按照不同的顏色將知識(shí)圖譜分為9個(gè)大類，其中社交媒體、政府、出版和生命科學(xué)四個(gè)領(lǐng)域的數(shù)據(jù)占比之和超過 90%。

▲圖1-8 LOD知識(shí)圖譜概覽

延伸閱讀《從零構(gòu)建知識(shí)圖譜：技術(shù)、方法與案例》

點(diǎn)擊上圖了解及購買

轉(zhuǎn)載請(qǐng)聯(lián)系微信：DoctorData

推薦語：這是一本能讓讀者快速從零開始構(gòu)建工業(yè)級(jí)知識(shí)圖譜的著作。本書不僅詳細(xì)講解了知識(shí)圖譜的技術(shù)原理和構(gòu)建工具，而且還循序漸進(jìn)地講解了知識(shí)圖譜的構(gòu)建方法、步驟和行業(yè)應(yīng)用。配有大量實(shí)戰(zhàn)案例，并且開放了源代碼，確保讀者能學(xué)會(huì)并落地。作者是知識(shí)圖譜和自然語言處理領(lǐng)域的專家，本書得到了OpenKG聯(lián)合創(chuàng)始人王昊奮、清華大學(xué)教授李涓子等學(xué)界和業(yè)界知識(shí)圖譜扛旗人的一致好評(píng)和推薦。