节点表示实体，连边表示实体和实体之间的关系。
实体包括：概念、实例
构建领域知识图谱的 四步法 ：
1）领域本体构建
2）众包半自动语义标注
3）外源数据补全
4）信息抽取
领域本体构建
本体：一种概念化的精确的规格说明；共享概念模型的明确形式化规范说明
构建方法
1）人工（领域专家）构建本体
案例：WordNet
方法：骨架法、TOVE法、SENSUS法、Methontology法、Ontology Development 101法
2）自动构建本体、本体学习
利用知识获取技术、机器学习技术及统计技术从数据资源中自动地获取本体知识
方法：OpenIE
本体学习对象的层次：概念、关系、公理
现状：极少有方法能够得到覆盖率和准确率都表现良好的本体
3）半自动构建本体
构建流程
本体构建的基本原则
也即本体中类的设计的独立性和共享性原则。
独立性原则：类可以独立存在，不依赖于特定的领域。
共享性原则：类可以是共享的，有被复用的可能和必要。
最小化原则：本体中包含的类的数据应尽可能最小化，去除冗余的类。
归纳领域概念
领域的核心概念是领域术语的子集，对应本体中的类（owl:Class），每个核心概念都有许多对应实例。
构建方法：
1）统计法
基本假设：
· 领域的核心概念是领域术语的子集，可通过获取领域术语来获取领域概念。
· 重要术语在领域相关文档中出现的频率相对较高，术语在领域相关文档中出现的频率远高于在普通中出现的频率；
算法：
· TF-IDF：用于评估一个词语对于一个语料库的其中一份文档的重要程度。核心思想是，一个词语的重要性随着它在文档中出现的次数成正比地增加，但同时随着它在语料库中出现的频率成反比地下降。缺陷是没有对有联系的词语进行综合考虑。
· TextRank：核心思想与PageRank算法相同，在词语网络中词语的重要程度取决于与它连接的词语给它的投票数，且票的权重取决于该词语自己的票数。
2）参考高质量的知识图谱或数据源
Schema.org：包含语义信息的被各大搜索引擎所支持的html标签的词汇表。
DBpedia：大规模通用知识图谱
Geonames：每个地名都对应featurecode信息
3）众包半自动语义标注
依据本体构建的基本原则进行修正
定义领域关系及其约束
关系：对领域中的概念、实例之间的相互作用的描述。
关系的重要作用：是本体的核心基本要素；直接决定了知识丰富层级以及基于应用范围。
定义关系的方法
1）OpenIE法：先进行无监督的批量抽取，再进行过滤。
2）参考质量较高的通用知识图谱或数据源：参考其领域概念相关的关系列表及标签
3）根据核心概念和百科信息框来确定关系：通过整合同一概念下多个实例在百科
4）众包半自动补充关系
本体检查
领域专家参与，对本体进行检查评估。
评估内容：核心概念是否合理；每个概念的合理性、必要性，相似概念间的辨析。
语义标注
语义标注：对原始数据做标记，使其包含一定的语义信息，使人和机器都能理解。
存储方式：嵌入式存储、独立存储
标注格式：JSON-LD、MicroData、RDFa
标注工具：Google结构化数据标记辅助工具、开源语义标注工具Pundit
语义标注的种类
类型标注：将文档中与本体中概念相对应的词语标记出来，并将词语作为概念所对应的实例。
关系标注：找出实例之间存在的与本体中关系相对应的关系，丰富实例的内在信息，通常将实例与实例间的关系表示为三元组。
对语义标注系统的需求
1、标注依据：必须能够导入本体描述文件，提供基于本体的语义标注功能。
2、标注对象：支持对文本文件、静态网页、图片等文件的标注
3、标注方式：提供类型标注、关系标注
4、本体语言：支持主流的本体语言，如RDF(S)、OWL、XML、DAML+OIL
5、协同式标注：支持大量人员同时在线标注
6、标注审核：支持用户权限组及控制控制，包括标注人员、审核人员
7、标注溯源：能够追溯到标注来源的元数据信息。通常采用XPointer计算，根据数据在XML文件中的位置、字符内容、属性值等特性进行定位。
8）标注数据存储：可采用Sesame数据库，进行标注数据存储。
9）共指消解：遇到相同的实例时，选择已存在的实例进行标注，从而避免重新生成新的实例造成的实例共指问题。
标注方式
手工标注
定义：标注人员之间将语义数据写入到标注文档中
案例、工具：Semantic Wiki、SHOW Knowledge、OntoMat Annotizer
半自动标注
定义：由标注人员制定网页或网页中的文本片段，然后由标注人员选择合适的本体概念（或熟悉）或者由系统自动显示可选的本体概念（或属性），最后生成并保存语义标注结果。
案例、工具：
· W3C主导的Annotea，基于RDF的语义标注项目，实现了半自动语义标注工具Amaya，必须在客户端软件完成，不适合大规模网页语义标注。
· SMORE
· Pundit：可以满足众包标注过程的标注审核、溯源、共指消解、数据存储
自动标注
定义：标注工具可以按照预定的规则自动产生并保存语义标注信息。
案例、工具：
· AeroDAML：把常见的概念和关系映射到DAML+OIL本体中的类和属性
自动标注的质量很难得到保证。
外源数据补全
定义：外部数据源按照领域本体结构处理后得到的与标注数据结构一致的RDF数据。
Geonames知识图谱
百度百科信息框
中国行政区划信息
国家统计局网站、民政部网站
信息抽取
扩充数据：指的是利用之前得到的标注数据和外源数据，运用机器学习等方法，从文本中抽取的RDF三元组数据。
文本语料：《中国大百科全书》、百度百科、维基百科
实体抽取
实体抽取：也称命名实体抽取，是从文本中自动识别出命名实体
实体集扩充：根据种子实体集，从文本中抽取出相同类别的新实体。采用Bootstrapping方法，根据种子实体从文本中抽取出特征模板，然后利用这些模板从文本中抽取出新的实体，再根据新实体从文本中抽取新的特征模板，反复迭代此过程，但存在语义漂移问题。
方法：词向量法+实体消歧
关系抽取
关系抽取：从文本中抽取出实体和实体之间的关系，将零散的实体联系起来。
基于规则
基于机器学习
多分类问题，采用Bootstrapping、协同训练、标注传播等算法
· 无监督：基于规则的方法（正则模板）、LDA模型（识别文本中隐藏的关系类别信息，用词袋表示每类关系的特征）
· 有监督：将已有的关系数据作为训练数据，从文本中抽取相应的三元组。
· 半监督：基于多语言注意力机制的远程监督方法
属性抽取
属性抽取：从文本中抽取出实体的属性信息（实体和属性间的一种名词性关系，可视为关系抽取问题）
参考文献
《一种准确而高效的领域知识图谱构建方法》
领域（学科）知识图谱构建心得 https://www.jianshu.com/p/f66d7614fb49
