目录
行业知识图谱简介
行业知识图谱应用
行业KG应用挑战
行业知识图谱生命周期
行业知识图谱简介
行业知识图谱工具：Palantir
行业知识图谱的特点
行业KG应用
金融证券——企业知识图谱
应用——企业风险评估
应用——企业社交图谱查询
应用——企业最终控制人查询
应用——企业之间路径发现
应用——初创企业融资发展历程
应用——上市企业智能问答
金融证券——金融交易知识图谱
应用——辅助信贷审核
应用——反欺诈、组团欺诈
- 医疗知识图谱
- 图书情报
行业知识图谱应用挑战
知识图谱助力企业商业智能
行业知识图谱生命周期
知识图谱生命周期
- RDF：三元组（triple）模型，SPO（主谓宾）
- OWL：RDF Schema的扩展
包括：复杂类；属性约束；属性特征；属性链 - SPARQL
RDF查询语言：基于RDF数据类型
SPARQL查询图可视化
本体(ontology)可以填充知识与查询之间的间隙，具有推理的能力
- 知识建模
建立知识图谱的数据模式。行业知识图谱的数据模式对整个知识图谱的结构进行定义，因此需要保证可靠性。
常用方法：
- 自顶向下的方法：专家手工编辑形成数据模式
- 自底向上的方法：基于现有的标准进行转换；
从现有的高质量行业数据源中进行映射。
-
知识获取
知识获取方式 - 知识融合
- 数据模式层融合
概念合并
概念上下位关系合并
概念的属性定义合并 - 数据层融合
实体合并
实体属性融合
冲突检测与解决
- 知识存储
三元组知识的存储；
事件信息的存储
时态信息的存储；
使用知识图谱组织的数据的存储
- 知识图谱上层应用需要支持：
知识推理；
知识快速查询；
图实时计算
- 知识计算
图挖掘计算：基于图论的相关算法，实现对图谱的探索和挖掘；
本体推理：使用本体推理进行新知识发现或冲突检测；
基于规则的推理：使用规则引擎，编写相应的业务规则，通过推理辅助业务决策。 - 知识应用
一站式工具
- LOD2
-
Stardog
把关系数据库映射成虚拟图；
支持OWL2的推理；
支持Gremlim;
但Stardog仅包含对结构化数据（RDBMS，Excel等）的处理，没有针对非结构化数据的知识抽取，没有知识融合的功能。
1 知识建模
- 以实体为主要目标，实现对不同来源的数据进行映射与合并。（实体抽取与合并）
- 利用属性来表示不同数据源中针对实体的描述，形成对实体的全方位描述。（属性映射与归并）
- 利用关系来描述各类抽象建模成实体的数据之间的关联关系，从而支持关联分析。（关系抽取）
- 通过实体链接技术，实现围绕实体的多种类型数据的关联存储。（实体链接）
- 使用事件机制描述客观世界中动态发展，体现事件与实体间的关联；并利用时序描述事件的发展状况。（动态事件描述）
知识建模工具——Protege
本体编辑器；
基于RDF(S)，OWL等语义网规范；
图形化界面；
提供了在线版本——WebProtege
适用于原型构建场景
构建一个适用的建模工具
- 在线并发编辑支持；
- 多用户共同编辑；上下位关系定义，属性定义编辑
- 提供导入、集成功能；
- 以存储为桥梁，可以对自动算法的结果进行编辑；
- 支持对动态事件数据的建模，使用时态信息存储实现事件时间描述；
- 支持大数据量的知识图谱编辑。
2 知识获取
结构化数据，半结构化，非结构化
- D2R工具——D2RQ
将关系数据库转换为虚拟的RDF数据库的平台 - 包装器
半结构化行业数据源解析 - 文本信息抽取
OpenIE：面向开放领域抽取信息
工具：ReVerb、TextRunner
CloseIE：面向特定领域抽取信息
工具：DeepDive
3 知识融合
包括数据模式层（概念、概念的上下位关系、概念的属性）的融合与数据层的融合
4 知识存储
两种方式：RDF存储和图数据库（Graph Database）
常见的图数据存储——Graph DBMS
- Neo4j
原生图存储和处理；
支持ACID事务处理；
不适用Schema
5 知识计算
1 图挖掘计算
- 图遍历：广度优先遍历，深度优先遍历
- 最短路径查询：Dijkstra、Floyd
- 路径探寻：给定两个或多个节点，发现它们之间的关联关系
- 权威节点分析：PageRank算法
- 族群发现：最大流算法
- 相似节点发现：基于节点属性、关系的相似度算法
2 基于本体的推理
- 基于表运算及改进的方法：FaCT++、Racer、Pellet Hermit等
- 基于一阶查询重写的方法（Ontology based data access）
- 基于产生式规则的算法（如rete）：Jena、Sesame、OWLIM等
- 基于Datalog转换的方法如KAON、RDFox等
- 回答集程序 Answer set programming
3 基于规则的推理
工具：Drools 规则定义
6 知识应用
- 语义搜索
基于实体链接的语义搜索；
基于知识图谱的语义搜索 - 智能问答
基于信息检索的方法
基于语义解析的方法
基于规则的专家系统的方法
基于深度学习的方法
优点：实现“端到端”的问答，把问题与答案均使用复杂的特征向量表示，使用深度学习来计算问题与答案的相似度。 -
可视化辅助决策
工具：D3.js，ECharts
知识图谱总览
知识图谱相关书籍：
Exploiting Linked Data and Knowledge Graphs in Large Organisations
