有关知识图谱的文献综述论文

本文主要内容整理自知识图谱两篇代表性综述： 1. 徐增林,盛泳潘,贺丽荣,王雅芳. 知识图谱技术综述[J]. 电子科技大学学报(4期):589-606. 2. 刘峤, 李杨, 段宏, et al. 知识图谱构建技术综述  [J]. 计算机研究与发展, 2016(3):582-600,共19页. 文章从知识图谱的定义和技术架构出发，对构建知识图谱涉及的关键技术进行了自底向上的全面解析。本文是对涉及技术点的罗列，后续会针对单个技术点一一梳理。 所解决的问题  如何从半结构化和无结构数据中抽取实体、关系以及实体属性等结构化信息。 涉及的关键技术  实体抽取 Entity Extraction 也称命名实体识别（Named Entity Recognition, NER），指从文本数据集中自动识别出命名实体。 关系抽取 Relation Extraction 指从相关语料中提取出实体之间的关联关系，通过关系将实体（概念）联系起来。 属性抽取 Attribute Extraction 指从不同信息源中采集特定实体的属性信息，例如抽取某个公众人物的昵称、生日、国籍、教育背景等信息。 所解决的问题  将现实世界中的各类知识表达成计算机可存储和计算的结构。  涉及的关键技术  传统的知识表示方法主要是以RDF(Resource Description Framework资源描述框架)三元组SPO(subject,property,object)来符号性描述实体之间的关系，近年来，以深度学习为代表的表示学习技术也取得了重要的进展。 所解决的问题 信息抽取结果中可能包含大量的冗余和错误信息，数据之间的关系也是扁平化的，缺乏层次性和逻辑性，通过知识融合，可以消除概念的歧义，剔除冗余和错误概念，确保知识质量。 关键技术 实体链接 Entity Linking指对于从文本中抽取得到的实体对象，将其链接到知识库中对应的正确实体对象的操作。主要涉及两方面： ▪ 实体消歧Entity Disambiguation 用于解决同名实体产生歧义问题的技术。例如“李娜”（指称项）可以对应于作为歌手的李娜这个实体，也可以对应于作为网球运动员的李娜这个实体。 ▪ 共指消解Entity Resolution 也称实体对齐（object alignment）、实体匹配（entity matching）、实体同义（entity synonyms）等，用于解决多个指称项对应于同一实体对象的问题。例如在一篇新闻稿中，“Barack Obama”，“president Obama”，“the president”等指称项可能指向的都是“奥巴马”这同一个实体。 知识合并 指从第三方知识库产品或已有结构化数据获取知识输入。 所解决的问题 信息抽取和知识融合可以得到一系列基本的事实表达。但事实不等于知识，要想最终获得结构化、网络化的知识体系，还需要经历知识加工的过程。 涉及的关键技术  本体构建 Ontology Extraction 本体（ontology）是对概念进行建模的规范，是描述客观世界的抽象模型，以形式化方式对概念及其之间的联系给出明确定义。 知识推理 Knowledge Inference 指从知识库中已有的实体关系数据出发，经过计算机推理，建立实体间的新关联，从而拓展和丰富知识网络。 质量评估 Quality Evaluation 对知识的可信度进行量化，通过舍弃置信度较低的知识，保障知识库的质量。 所解决的问题 知识图谱的内容需要与时俱进，其构建过程是一个不断迭代更新的过程。主要包括概念层的更新和数据层的更新。 ▪ 数据层更新： 主要是新增或更新实体、关系和属性值等。 ▪ 模式层更新： 指新增数据后获得了新的模式，需要自动将新的模式添加到知识库的模式层中。

知识图谱的构建形式： 自顶向下：先为知识图谱定义好本体与数据模式，再将实体加入到知识库。 自底向上（常用） ：从一些开放链接数据中提取出实体，选择其中置信度较高的加入到知识库，再构建顶层的本体模式。 （1）语义信息抽取； （2）多元数据集成与验证（知识融合）； （3）知识图谱补全

知识库分类： 开放链接知识库：Freebase、Wikidata、DBpedia、YAGO。包含大量半结构化、非结构化数据。 垂直行业知识库（特定领域）：IMDB（影视）、MusicBrainz（音乐）、ConceptNet（概念）等。

基于规则与词典的方法（为目标实体编写模板，然后进行匹配）：编写大量规则或模板，覆盖领域有限，难以适应新需求 基于统计机器学习的方法（机器学习，训练模型，识别实体）：监督学习算法受训练集限制，准确率和召回率不够理想 （ 召回率：真阳性 / 真阳性 + 假阳性；准确率：真阳性 + 真阴性 / 真阳性 + 假阳性 + 真阴性 + 假阴性 ） 面向开放域的抽取方法（面向海量的Web语料）：通过少量实体实例建立特征模型，再通过它应用于新的数据集，给新实体做分类与聚类。（迭代扩展）

早期：人工构造语义规则以及模板的方式； 实体间的关系模型代替了早期的人工构造； 面向开放域的信息抽取框架（OIE）：对隐含关系抽取性能低下。 （ 隐含关系抽取：基于马尔科夫逻辑网、基于本体推理的深层隐含关系抽取方法 ）

可以将实体属性的抽取问题转换为关系抽取问题

分布式表示 目的在于用 一个综合的向量来表示实体对象的语义信息 ，这种形式在知识图谱的计算、 补全 、推理等方面起到重要的作用： 1、语义相似度计算：实体间的语义关联程度，为自然语言处理（NLP）等提供了极大的便利 2、

消除异构数据中实体冲突、指向不明等不一致性问题。 （1）待对齐数据分区索引； （2）利用相似度函数或相似性算法查找匹配实例； （3）对齐算法（成对实体对齐、全局（局部）集合实体对齐）进行实例融合。

经过实体对齐后得到一系列的基本事实表达，然后事实并不等于知识，它只是知识的基本单位。

本体相当于知识库的模具，使其具有较强的层次结构和较小的冗余程度。

可分为人工构建和数据驱动自动构建。 数据驱动的本体自动构建： ①纵向概念间的并列关系计算：计算两个实体间并列关系的相似度，辨析他们在语义层面是否属于同一个概念。 ②实体上下位关系抽取。 ③本体生成：对各层次得到的概念进行聚类，并为每一类的实体指定1个或多个公共上位词。

通常是与实体对齐任务一起进行：对知识可信度进行量化，保留置信度较高的，舍弃置信度较低的。

主要包括模式层的更新与数据层的更新。

一阶谓词逻辑、描述逻辑以及规则等 （1）一阶谓词逻辑：以命题为基本，命题包含个体（实体）和谓词（属性或关系）。 （2）基于描述逻辑的规则推理：在（1）的基础上发展而来，目的是在知识表示能力与推理复杂度之间追求一种平衡。 （3）通过本体的概念层次推理。

一些算法主要是 利用了关系路径 中的蕴涵信息： 通过图中两个实体间的多步路径来预测它们之间的语义关系，即从源节点开始，在图上根据路径建模算法进行游走，如果能够到达目标节点，则推测源节点和目标节点间存在联系。 （ 关系路径的建模研究仍处于初期阶段，需要进一步探索完成 ）

参考文献： [1]徐增林,盛泳潘,贺丽荣,王雅芳.知识图谱技术综述[J].电子科技大学学报,2016,45(04):589-606.

这是一款阿里员工业余时间设计的论文相似性可视化的工具 功能是查找相似论文，并用图表的形式展现这些论文之间的关系。

可以把它理解为这篇论文的祖先们 这些是图表中最常被引用的论文，它们是该领域重要的开创性工作。 选择这些论文的时候，有引用关系的论文会被高亮。

可以把它理解为这篇论文的后代们 这些论文可能是受到图表中的论文启发的近期相关工作，或者是对该领域的调查。 通常包括该领域的现状，系统综述，元分析等。 同样，选择这些论文的时候，有引用关系的论文会被高亮。

我认为这款工具理论上非常适合用于辅助论文中Related Work，和Literature Review部分，比如下面这部分是对Related Work部分如何完成的指导，可以看出需要10到20个相关工作，借助CONNECT PAPERS（以下简称CP）可以很直观地获取更多的相似论文。找到该主题的“先祖“或者“后代”。