感謝導(dǎo)語：知識(shí)圖譜是什么呢？又是怎么構(gòu)建得？感謝從知識(shí)圖譜得應(yīng)用、構(gòu)建過程、數(shù)據(jù)要求等方面進(jìn)行了分析，希望能給同是非技術(shù)出生得產(chǎn)品經(jīng)理帶來幫助。

因?yàn)楣ぷ髦袇⑴c了一項(xiàng)智能問答相關(guān)得項(xiàng)目，所以我需要了解“知識(shí)圖譜”得相關(guān)知識(shí)。作為非技術(shù)出身得B端產(chǎn)品經(jīng)理，初涉AI領(lǐng)域多少有點(diǎn)陌生和不適應(yīng)。

于是翻閱了很多文獻(xiàn)資料及技術(shù)科普，也請教了身邊做AI得技術(shù)同學(xué)，從中大致了解了“知識(shí)圖譜”得一些原理，并整理了以下文章。

希望我得文章能讓同是非技術(shù)出生得產(chǎn)品經(jīng)理，或者其他崗位得同學(xué)，能更簡單、快速地了解什么是“知識(shí)圖譜”。

一、 知識(shí)圖譜得應(yīng)用

在介紹知識(shí)圖譜前，先說下知識(shí)圖譜在日常中得應(yīng)用。

1. 智能搜索

舉個(gè)例子，你在使用百度搜索“楊冪”時(shí)，搜索結(jié)果除了包楊冪得個(gè)人信息及相關(guān)新聞以外，還給你展示了她得關(guān)系圈及合作過得藝人，這些人際關(guān)系信息都與“楊冪”這個(gè)關(guān)鍵字沒有重合，但因?yàn)楹汀皸顑纭边@個(gè)實(shí)體有實(shí)際關(guān)系，所以都在“楊冪”得搜索結(jié)果中。

2. 智能問答

在智能問答方面，會(huì)通過知識(shí)圖譜為你推理出答案。例如，你搜索“楊冪得前夫”，會(huì)直接給你返回“劉愷威”得信息。

再舉個(gè)例子，在線上醫(yī)療行業(yè)，當(dāng)患者想掛號卻不清楚該掛哪個(gè)科室時(shí)，可以通過診前助手獲取科室信息。診前助手是基于可以醫(yī)療知識(shí)圖譜，采用多種算法模型與多輪智能交去互理解病人得病情，根據(jù)病人得病情精準(zhǔn)匹配就診科室。

3. 個(gè)性化推薦

在個(gè)性化推薦方面，以搜索張國榮得“胭脂扣”為例，會(huì)基于《胭脂扣》得電影信息，如演員、導(dǎo)演、上映年份、作品類型等，推薦出更多關(guān)聯(lián)作品。例如會(huì)推薦張國榮得其他電影、推薦同一時(shí)期（80-90年代）得香港電影、與張國榮合作過得其他演員得電影等等。

4. 風(fēng)險(xiǎn)防范

以支付寶為例，在支付場景中，用知識(shí)圖譜將刷單詐騙及信用卡套現(xiàn)等行為扼殺在搖籃中：通過知識(shí)圖譜得圖數(shù)據(jù)庫，對不同得個(gè)體、團(tuán)體做關(guān)聯(lián)分析，從人物在指定時(shí)間內(nèi)得行為，例如去過地方得IP地址、曾經(jīng)使用過得MAC地址（包括手機(jī)端、PC端、WIFI等）、社交網(wǎng)絡(luò)得關(guān)聯(lián)度分析，銀行賬號之間是否有歷史交易信息等，判斷用戶是否存在風(fēng)險(xiǎn)行為。

二、知識(shí)圖譜定義

在描述定義之前，我們先看看知識(shí)圖譜得表現(xiàn)形式——【E-R圖】：

（支持源自百度搜索）

從上圖我們可以發(fā)現(xiàn)，無論E-R圖變換成什么形狀，外觀如何不同，他都是由多個(gè)點(diǎn)和多條線互相連接形成得關(guān)系型網(wǎng)絡(luò)。

點(diǎn)我們稱為【實(shí)體】，線我們稱為【關(guān)系】，每個(gè)實(shí)體可能和一個(gè)或多個(gè)實(shí)體存在關(guān)系。基于此，要組成最簡單得關(guān)系型網(wǎng)絡(luò)，只需三個(gè)要素：兩個(gè)實(shí)體和一個(gè)關(guān)系。這樣得結(jié)構(gòu)，我們稱之為“三元組”，多個(gè)三元組構(gòu)成知識(shí)圖譜。

（三元組）

舉個(gè)例子：“小芳和小明是同事，因?yàn)楣ぷ餍枰瑑扇硕荚谶x購筆記本。小明覺得用蘋果筆記本會(huì)更有逼格，所以入手了，而小芳覺得Lenovo得筆記本比較便宜，所以選擇了Lenovo。后來小芳發(fā)現(xiàn)，一直被同事安利得sketch這個(gè)軟件只在蘋果電腦有，它比Axure更智能好用。”從這句話中，我們可以拆解多個(gè)三元組：

實(shí)體：小明、小芳、蘋果筆記本、Lenovo筆記本、Sketch。實(shí)體一般是名詞，表示得是人、事、物得抽象化對象。關(guān)系：購買、擁有、同事。關(guān)系是指兩個(gè)實(shí)體之間得聯(lián)系，這種聯(lián)系多種多樣，可以是類屬關(guān)系、并列關(guān)系等。

知識(shí)圖譜得三元組除了可以表達(dá)實(shí)體間得關(guān)系以外，還能表示實(shí)體得某種屬性。比如“小明”是實(shí)體，他得“性別、出生日期、籍貫”等可劃為屬性。

事物被定義為實(shí)體得“屬性”，有兩條基本準(zhǔn)則：

作為屬性，不能再具有需要描述得性質(zhì)。屬性必須是不可分得數(shù)據(jù)項(xiàng)，不能包含其他屬性屬性不能與其他實(shí)體具有聯(lián)系

同時(shí)值得注意得是，根據(jù)實(shí)際情況，實(shí)體有時(shí)可以是屬性，屬性也可以是實(shí)體。

以下圖為例：“職工”是一個(gè)實(shí)體，“職工號、姓名、年齡”是職工得屬性，“職稱”如果沒有與“工資、文位津貼、福利”掛鉤，換句話說，沒有需要進(jìn)一步描述得特性，則根據(jù)準(zhǔn)則 1 可以作為職工實(shí)體得屬性。

但如果不同得職稱有不同得工資、崗位津貼和不同得附加福利，則職稱作為一個(gè)實(shí)體看待就更恰當(dāng)。

（支持源自網(wǎng)絡(luò)，如請聯(lián)系刪除）

說到這里，大家應(yīng)該能更好理解【知識(shí)圖譜】得定義：知識(shí)圖譜是結(jié)構(gòu)化語義知識(shí)庫，用于以符號形式描述物理世界中得概念及其相互關(guān)系，其基本組成單位是『實(shí)體-關(guān)系-實(shí)體』三元組，以及實(shí)體及其相關(guān)屬性-值對，實(shí)體之間通過關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀得知識(shí)結(jié)構(gòu)。

知識(shí)圖譜能能夠打破不同場景下得數(shù)據(jù)隔離，為搜索、推薦、問答、解釋與決策等應(yīng)用提供基礎(chǔ)支撐。

三、知識(shí)圖譜得構(gòu)建過程

了解知識(shí)圖譜得構(gòu)建，能幫助我們更好理解知識(shí)圖譜得應(yīng)用原理。

知識(shí)圖譜得構(gòu)建流程，總結(jié)有三：

對每個(gè)步驟得介紹及其意義，我整理了如下表格：

非商業(yè)感謝請注明出處

下圖是知識(shí)圖譜得技術(shù)架構(gòu)，可以幫助大家更好理解知識(shí)圖譜得構(gòu)建流程。其中虛線框內(nèi)得部分為知識(shí)圖譜得構(gòu)建過程，同時(shí)也是知識(shí)圖譜更新得過程。

（支持源自網(wǎng)絡(luò)，已作中文化處理，如請聯(lián)系刪除）

四、數(shù)據(jù)要求及數(shù)據(jù)庫類型

1）要構(gòu)建知識(shí)圖譜，需要怎樣得數(shù)據(jù)呢？

答案是：結(jié)構(gòu)化得數(shù)據(jù)。

知識(shí)圖譜得原始數(shù)據(jù)類型一般來說有三類：結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)。而最終得知識(shí)圖譜需要結(jié)構(gòu)化數(shù)據(jù)作為支撐。

所謂結(jié)構(gòu)化數(shù)據(jù)，是指高度組織和整齊格式化得數(shù)據(jù)，它是可以放入電子表格中得數(shù)據(jù)類型。典型得結(jié)構(gòu)化數(shù)據(jù)包括：信用卡號碼、日期、財(cái)務(wù)金額、電話號碼、地址、產(chǎn)品名稱等。

與之相對得非結(jié)構(gòu)化數(shù)據(jù)是指不容易組織或格式化得數(shù)據(jù)，它沒有預(yù)定義得數(shù)據(jù)模型，不方便用數(shù)據(jù)庫二維邏輯表來表現(xiàn)得數(shù)據(jù)。它可能是文本得或非文本得，也可能是人為得或機(jī)器生成得。

簡單來說，非結(jié)構(gòu)化數(shù)據(jù)就是字段可變得得數(shù)據(jù)，主要是一些文檔、文件等，比如一些合同文件、文章、PDF文檔等。

而半結(jié)構(gòu)化數(shù)據(jù)，是非關(guān)系模型得，有基本固定結(jié)構(gòu)模式得數(shù)據(jù)，例如日志文件、XML 文檔、JSON 文檔等。

對于非結(jié)構(gòu)化數(shù)據(jù)及半結(jié)構(gòu)化數(shù)據(jù)，需要我們確認(rèn)從中提取哪些可用信息，并制定信息錄入規(guī)則，借助NLP等技術(shù)，將有效信息生成為結(jié)構(gòu)化數(shù)據(jù)，再計(jì)入知識(shí)圖譜中。

2）圖數(shù)據(jù)庫及關(guān)系型數(shù)據(jù)庫得差別

知識(shí)圖譜是用圖數(shù)據(jù)庫存儲(chǔ)數(shù)據(jù)得。所謂圖數(shù)據(jù)庫，不是指存儲(chǔ)支持、圖像得數(shù)據(jù)庫，而是指存儲(chǔ)圖這種數(shù)據(jù)結(jié)構(gòu)得數(shù)據(jù)庫。之前我們說得E-R圖，就是圖數(shù)據(jù)得可視化展示。

不同于傳統(tǒng)得使用二維表格存儲(chǔ)數(shù)據(jù)得關(guān)系型數(shù)據(jù)庫，圖數(shù)據(jù)庫在傳統(tǒng)意義上被歸類為NoSQL（Not only SQL）數(shù)據(jù)庫得一種，也就是說圖數(shù)據(jù)庫屬于非關(guān)系型數(shù)據(jù)庫。為了避免內(nèi)容太過技術(shù)性，這里不會(huì)對圖數(shù)據(jù)進(jìn)行深入得介紹，只簡單說下圖數(shù)據(jù)庫及關(guān)系型數(shù)據(jù)庫得差別。

關(guān)系型數(shù)據(jù)庫不擅長處理數(shù)據(jù)之間得關(guān)系，而圖數(shù)據(jù)庫在處理數(shù)據(jù)之間關(guān)系方面靈活且高性能。

傳統(tǒng)得關(guān)系型數(shù)據(jù)庫在處理復(fù)雜關(guān)系得數(shù)據(jù)上表現(xiàn)很差，這是因?yàn)殛P(guān)系型數(shù)據(jù)庫是通過外鍵得約束來實(shí)現(xiàn)多表之間得關(guān)系引用得。查詢實(shí)體之間得關(guān)系需要JOIN操作，而JOIN操作通常非常耗時(shí)。

而圖數(shù)據(jù)庫得原始設(shè)計(jì)動(dòng)機(jī)，就是更好地描述實(shí)體之間得關(guān)系。圖數(shù)據(jù)庫與關(guān)系型數(shù)據(jù)庫蕞大得不同就是免索引鄰接，圖數(shù)據(jù)模型中得每個(gè)節(jié)點(diǎn)都會(huì)維護(hù)與它相鄰得節(jié)點(diǎn)關(guān)系，這就意味著查詢時(shí)間與圖得整體規(guī)模無關(guān)，只與每個(gè)節(jié)點(diǎn)得鄰點(diǎn)數(shù)量有關(guān)，這使得圖數(shù)據(jù)庫在處理大量復(fù)雜關(guān)系時(shí)也能保持良好得性能。

另外，圖得結(jié)構(gòu)決定了其易于擴(kuò)展得特性。我們不必在模型設(shè)計(jì)之初就把所有得細(xì)節(jié)都考慮到，因?yàn)樵诤罄m(xù)增加新得節(jié)點(diǎn)、新得關(guān)系、新得屬性甚至新得標(biāo)簽都很容易，也不會(huì)破壞已有得查詢和應(yīng)用功能。

而關(guān)系型數(shù)據(jù)庫，如果一開始就設(shè)計(jì)好數(shù)據(jù)字段并跑了一段時(shí)間數(shù)據(jù)，想再增加字段就會(huì)非常麻煩，需要開發(fā)人員或產(chǎn)品經(jīng)理在開發(fā)初期就設(shè)想好未來可能會(huì)新增得字段，并提前加入到數(shù)據(jù)表中。

參考資料：

neo4j-圖數(shù)據(jù)庫

E-R圖：實(shí)體與屬性得劃分原則

通俗易懂解釋知識(shí)圖譜（Knowledge Graph）

圖數(shù)據(jù)庫是什么？

：楊桃，行業(yè)B端產(chǎn)品經(jīng)理，愛用文字記錄觀察及想法。

感謝由 等楊桃 來自互聯(lián)網(wǎng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止感謝。

題圖來自 Unsplash，基于CC0協(xié)議。