基于本体知识图谱研究

旅游本体

知识图谱以其强大的语义处理能力和开放组织能力,实现了通用和行业应用“百花齐放”的局面,其应用趋势也从通用领域走向行业领域,借助知识图谱,为互联网时代的知识化组织和智能应用奠定了基础,许多行业为了应对大数据应用的不同挑战,实现不同的业务需求。

详细阐述了易建如何深度开发基于本体的行业知识图谱构建技术及应用,本期笔者采访了易建科技智慧城市事业部知识工程团队经理、知识图谱技术研究人员鲍立飞。

知识图谱的构建过程包括本体建模、知识抽取、知识融合、知识存储、知识推理这几个步骤。

1.本体建模

确定领域内共同认可的对象模型,构建本体的目的是识别、描述和表示相关领域的知识,并从不同层次的形式化模式上给出了这些对象和对象间相互关系的明确定义,提供对该领域知识的共同理解,本体描述了知识图谱的概念模式,就鲍立飞而言,增加了更加丰富的关于实体的信息,同时知识图谱在本体的基础上进行了丰富和扩充,而知识图谱则是在本体的基础上。

在行业知识图谱构建的过程中,在本体模型中我们需要构建本体的概念,本体模型是为了对整个行业特定的知识图谱所需的数据模型进行定义,属性以及概念之间的关系,需要先构建本体模型,因此需要保证可靠性。

之后的知识计算,才能保证知识图谱的质量,知识推理才能更好的发挥作用,在构建行业知识图谱的本体模型时,通常需要借助领域专家知识来引导构建本体模型。

2.知识抽取

知识抽取是从不同来源、不同结构的数据中进行信息提取,形成知识存入知识图谱中,知识抽取处理的对象按照结构化程度可以分为结构化、半结构化和非结构化信息。

结构化文档具有良好的布局结构,结构化文档主要存储在业务数据库,可以通过ETL从结构化信息中提取知识,可以很容易地对其执行知识抽取。

适用在百科类站点、垂直网站中进行包装器归纳,主要的工作是通过编写包装器,在处理半结构化数据方面,从半结构化数据中提取实体属性,从网页表格中提取属性信息。

这类文档表达方式灵活,因此对这类文档进行知识抽取是非常困难的,可以用不同的形式和词汇表达相同的意思,非结构化文档是指由符合某种语言表达规范的自然语言语句组成的文档,往往要借助自然语言处理技术对其进行语法和语义分析。

3.知识抽取

其存储方式主要有RDF 和图数据库两种方式,即具有有向图结构的一个知识库,解决的是实体及实体之间的关系,因此适合以图的数据结构存储,知识图谱最适合处理关联密集型的数据。

在具体的知识图谱工程中,为了满足不同的业务需求,比如统计型、复杂关系型等,往往采用复合的存储模式,如下：。

实践经验如下：

关系型数据：使用图形数据存储,包括实体、关系、属性。

通过实体链接与图谱中实体关联,关联型数据：作为记录型数据存入合适的存储中（尽量不入图存储）。

时序型数据：一般作为事件来补充知识图谱,可存在图数据库或者文档数据库中,如果是海量数据并作为实时分析,采用特定时序数据库存储。

4.知识融合

知识融合指的是将多个数据源抽取的知识进行融合后集成到知识图谱中,在进行知识融合时,知识融合阶段主要对数据进行本体对齐和实体匹配,需要解决多种类型的数据冲突问题,包括一个短语对应多个实体、实体属性名不一致、实体属性缺失、实体属性值不一致、实体属性值一对多映射等情况。

而实体匹配更强调数据层的融合,主要工作有概念的合并,主要工作又有实体链接,本体对齐更强调概念层的融合,数据融合,概念的属性定义合并,概念上下位关系合并,冲突检测与解决。

保证了概念层的可靠性,知识融合的关键任务在数据层的融合,由于我们在构建过程中采用的自顶向下和自底向上结合的方式,因此基本都经过人工的校验,因此。

数据层融合即实体匹配也叫实体对齐,并将这些实体归并为一个具有全局唯一标识的实体对象,其目的在于发现具有不同标识却代表真实世界中同一对象的那些实体,然后添加到知识图谱中。

5.知识抽取

知识推理是通过各种方式获取新的知识或结论,这些知识和结论满足语义,主要分为本体推理和规则推理。

例如本体中定义的subclass,本体推理主要是通过预定义的本体公理上进行推理,基于本体的推理,但是无法自定义一些推理规则,funtional等一些公理进行推理,subproperty,domain,range。

定义父亲的父亲是爷爷,B是C的父亲,已知A是B的父亲,规则推理可以根据特定的场景定制规则,基于规则的推理,推理关系规则,则可以推出A是C的爷爷,推理属性规则比如知道某人出生年月,以实现自定义的推理过程,可以计算出其年龄。

将数据转化成更有价值的资源。

更加智慧的旅游让传统旅游企业趋之若鹜,往往会催生一项技术的发展,旅游消费移动化、便捷化正成为新动向,‘量体裁衣’式的旅游定制受到了越来越多人的喜爱,发展的需要和现实的痛点,综观当前国内旅游业发展,但由于技术的挑战,又使得这些企业在转型过程中一度犯难,知识图谱的关联价值此时正好得到了用武之地。

使得海南旅游业的内生动力得到了有效激发,并对结构化和非结构化的数据进行智能地治理和整合,海南通过全域旅游统筹推进旅游供给侧结构性改革,还来源于易建所处的海南这个极具区位特色、资源禀赋的旅游胜地,洞察这一趋势后,近两年,做到“万物互联”,这对全域旅游的发展来说是个利好消息,基本形成了全域旅游发展新格局,旅游信息化的智能处理,能够让海量的旅游数据为其所用,知识图谱能够高度还原真实世界,鲍立飞团队着手开始知识图谱在旅游行业的应用探索,知识图谱和旅游行业“结亲”的一个重要因素。

易建智慧旅游智能问答系统。

从而有效地识别出欺诈案件（如身份造假,通过知识图谱复杂网络计算,可以找出网络中相关子图,检测出异常案件,也解决了反欺诈中的数据整合并构建反欺诈引擎,由于知识图谱的应用,这使得它在风险防控工作中也有很好的“口碑”,团体欺诈,帮助保险公司对可疑案件进行有效的问题排查及跟踪,规避理赔资金风险,代办包装等）等问题,鲍立飞指出,提升打假效率。

易建研发的车险业务知识图谱。