編輯導(dǎo)語(yǔ)：知識(shí)圖譜是什么呢？又是怎么構(gòu)建的？本文作者從知識(shí)圖譜的應(yīng)用、構(gòu)建過(guò)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)出生的產(chǎn)品經(jīng)理帶來(lái)幫助。

因?yàn)楣ぷ髦袇⑴c了一項(xiàng)智能問(wèn)答相關(guān)的項(xiàng)目，所以我需要了解“知識(shí)圖譜”的相關(guān)知識(shí)。作為非技術(shù)出身的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(qǐng)教了身邊做AI的技術(shù)同學(xué)，從中大致了解了“知識(shí)圖譜”的一些原理，并整理了以下文章。

希望我的文章能讓同是非技術(shù)出生的產(chǎn)品經(jīng)理，或者其他崗位的同學(xué)，能更簡(jiǎn)單、快速地了解什么是“知識(shí)圖譜”。

一、 知識(shí)圖譜的應(yīng)用

在介紹知識(shí)圖譜前，先說(shuō)下知識(shí)圖譜在日常中的應(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)果除了包楊冪的個(gè)人信息及相關(guān)新聞以外，還給你展示了她的關(guān)系圈及合作過(guò)的藝人，這些人際關(guān)系信息都與“楊冪”這個(gè)關(guān)鍵字沒(méi)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”的搜索結(jié)果中。

2. 智能問(wèn)答

在智能問(wèn)答方面，會(huì)通過(guò)知識(shí)圖譜為你推理出答案。例如，你搜索“楊冪的前夫”，會(huì)直接給你返回“劉愷威”的信息。

再舉個(gè)例子，在線上醫(yī)療行業(yè)，當(dāng)患者想掛號(hào)卻不清楚該掛哪個(gè)科室時(shí)，可以通過(guò)診前助手獲取科室信息。診前助手是基于專(zhuān)業(yè)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的病情，根據(jù)病人的病情精準(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(guó)榮的“胭脂扣”為例，會(huì)基于《胭脂扣》的電影信息，如演員、導(dǎo)演、上映年份、作品類(lèi)型等，推薦出更多關(guān)聯(lián)作品。例如會(huì)推薦張國(guó)榮的其他電影、推薦同一時(shí)期（80-90年代）的香港電影、與張國(guó)榮合作過(guò)的其他演員的電影等等。

4. 風(fēng)險(xiǎn)防范

以支付寶為例，在支付場(chǎng)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(guò)知識(shí)圖譜的圖數(shù)據(jù)庫(kù)，對(duì)不同的個(gè)體、團(tuán)體做關(guān)聯(lián)分析，從人物在指定時(shí)間內(nèi)的行為，例如去過(guò)地方的IP地址、曾經(jīng)使用過(guò)的MAC地址（包括手機(jī)端、PC端、WIFI等）、社交網(wǎng)絡(luò)的關(guān)聯(lián)度分析，銀行賬號(hào)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)圖譜的表現(xiàn)形式——【E-R圖】：

（圖片源自百度搜索）

從上圖我們可以發(fā)現(xiàn)，無(wú)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的關(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?；诖耍M成最簡(jiǎn)單的關(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。這樣的結(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?，兩人都在選購(gòu)筆記本。小明覺(jué)得用蘋(píng)果筆記本會(huì)更有逼格，所以入手了，而小芳覺(jué)得Lenovo的筆記本比較便宜，所以選擇了Lenovo。后來(lái)小芳發(fā)現(xiàn)，一直被同事安利的sketch這個(gè)軟件只在蘋(píng)果電腦有，它比Axure更智能好用?！睆倪@句話中，我們可以拆解多個(gè)三元組：

• 實(shí)體：小明、小芳、蘋(píng)果筆記本、Lenovo筆記本、Sketch。實(shí)體一般是名詞，表示的是人、事、物的抽象化對(duì)象。
• 關(guān)系：購(gòu)買(mǎi)、擁有、同事。關(guān)系是指兩個(gè)實(shí)體之間的聯(lián)系，這種聯(lián)系多種多樣，可以是類(lèi)屬關(guān)系、并列關(guān)系等。

知識(shí)圖譜的三元組除了可以表達(dá)實(shí)體間的關(guān)系以外，還能表示實(shí)體的某種屬性。比如“小明”是實(shí)體，他的“性別、出生日期、籍貫”等可劃為屬性。

事物被定義為實(shí)體的“屬性”，有兩條基本準(zhǔn)則：

1. 作為屬性，不能再具有需要描述的性質(zhì)。屬性必須是不可分的數(shù)據(jù)項(xiàng)，不能包含其他屬性
2. 屬性不能與其他實(shí)體具有聯(lián)系

同時(shí)值得注意的是，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(hào)、姓名、年齡”是職工的屬性，“職稱”如果沒(méi)有與“工資、文位津貼、福利”掛鉤，換句話說(shuō)，沒(méi)有需要進(jìn)一步描述的特性，則根據(jù)準(zhǔn)則 1 可以作為職工實(shí)體的屬性。

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

（圖片源自網(wǎng)絡(luò)，如侵權(quán)請(qǐng)聯(lián)系刪除）

說(shuō)到這里，大家應(yīng)該能更好理解【知識(shí)圖譜】的定義：知識(shí)圖譜是結(jié)構(gòu)化語(yǔ)義知識(shí)庫(kù)，用于以符號(hào)形式描述物理世界中的概念及其相互關(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(duì)，實(shí)體之間通過(guò)關(guān)系相互聯(lián)結(jié)，構(gòu)成網(wǎng)狀的知識(shí)結(jié)構(gòu)。

知識(shí)圖譜能能夠打破不同場(chǎng)景下的數(shù)據(jù)隔離，為搜索、推薦、問(wèn)答、解釋與決策等應(yīng)用提供基礎(chǔ)支撐。

三、知識(shí)圖譜的構(gòu)建過(guò)程

了解知識(shí)圖譜的構(gòu)建，能幫助我們更好理解知識(shí)圖譜的應(yīng)用原理。

知識(shí)圖譜的構(gòu)建流程，總結(jié)有三：

1. 信息獲取
2. 知識(shí)融合
3. 知識(shí)加工

對(duì)每個(gè)步驟的介紹及其意義，我整理了如下表格：

非商業(yè)轉(zhuǎn)載請(qǐng)注明出處

下圖是知識(shí)圖譜的技術(shù)架構(gòu)，可以幫助大家更好理解知識(shí)圖譜的構(gòu)建流程。其中虛線框內(nèi)的部分為知識(shí)圖譜的構(gòu)建過(guò)程，同時(shí)也是知識(shí)圖譜更新的過(guò)程。

（圖片源自網(wǎng)絡(luò)，已作中文化處理，如侵權(quán)請(qǐng)聯(lián)系刪除）

四、數(shù)據(jù)要求及數(shù)據(jù)庫(kù)類(lèi)型

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

答案是：結(jié)構(gòu)化的數(shù)據(jù)。

知識(shí)圖譜的原始數(shù)據(jù)類(lèi)型一般來(lái)說(shuō)有三類(lèi)：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)。而最終的知識(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的數(shù)據(jù)，它是可以放入電子表格中的數(shù)據(jù)類(lèi)型。典型的結(jié)構(gòu)化數(shù)據(jù)包括：信用卡號(hào)碼、日期、財(cái)務(wù)金額、電話號(hào)碼、地址、產(chǎn)品名稱等。

與之相對(duì)的非結(jié)構(gòu)化數(shù)據(jù)是指不容易組織或格式化的數(shù)據(jù)，它沒(méi)有預(yù)定義的數(shù)據(jù)模型，不方便用數(shù)據(jù)庫(kù)二維邏輯表來(lái)表現(xiàn)的數(shù)據(jù)。它可能是文本的或非文本的，也可能是人為的或機(jī)器生成的。

簡(jiǎn)單來(lái)說(shuō)，非結(jié)構(gòu)化數(shù)據(jù)就是字段可變的的數(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)系模型的，有基本固定結(jié)構(gòu)模式的數(shù)據(jù)，例如日志文件、XML 文檔、JSON 文檔等。

對(duì)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(kù)及關(guān)系型數(shù)據(jù)庫(kù)的差別

知識(shí)圖譜是用圖數(shù)據(jù)庫(kù)存儲(chǔ)數(shù)據(jù)的。所謂圖數(shù)據(jù)庫(kù)，不是指存儲(chǔ)圖片、圖像的數(shù)據(jù)庫(kù)，而是指存儲(chǔ)圖這種數(shù)據(jù)結(jié)構(gòu)的數(shù)據(jù)庫(kù)。之前我們說(shuō)的E-R圖，就是圖數(shù)據(jù)的可視化展示。

不同于傳統(tǒng)的使用二維表格存儲(chǔ)數(shù)據(jù)的關(guān)系型數(shù)據(jù)庫(kù)，圖數(shù)據(jù)庫(kù)在傳統(tǒng)意義上被歸類(lèi)為NoSQL（Not Only SQL）數(shù)據(jù)庫(kù)的一種，也就是說(shuō)圖數(shù)據(jù)庫(kù)屬于非關(guān)系型數(shù)據(jù)庫(kù)。為了避免內(nèi)容太過(guò)技術(shù)性，這里不會(huì)對(duì)圖數(shù)據(jù)進(jìn)行深入的介紹，只簡(jiǎn)單說(shuō)下圖數(shù)據(jù)庫(kù)及關(guān)系型數(shù)據(jù)庫(kù)的差別。

關(guān)系型數(shù)據(jù)庫(kù)不擅長(zhǎng)處理數(shù)據(jù)之間的關(guān)系，而圖數(shù)據(jù)庫(kù)在處理數(shù)據(jù)之間關(guān)系方面靈活且高性能。

傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)在處理復(fù)雜關(guān)系的數(shù)據(jù)上表現(xiàn)很差，這是因?yàn)殛P(guān)系型數(shù)據(jù)庫(kù)是通過(guò)外鍵的約束來(lái)實(shí)現(xiàn)多表之間的關(guān)系引用的。查詢實(shí)體之間的關(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(kù)的原始設(shè)計(jì)動(dòng)機(jī)，就是更好地描述實(shí)體之間的關(guān)系。圖數(shù)據(jù)庫(kù)與關(guān)系型數(shù)據(jù)庫(kù)最大的不同就是免索引鄰接，圖數(shù)據(jù)模型中的每個(gè)節(jié)點(diǎn)都會(huì)維護(hù)與它相鄰的節(jié)點(diǎn)關(guān)系，這就意味著查詢時(shí)間與圖的整體規(guī)模無(wú)關(guān)，只與每個(gè)節(jié)點(diǎn)的鄰點(diǎn)數(shù)量有關(guān)，這使得圖數(shù)據(jù)庫(kù)在處理大量復(fù)雜關(guān)系時(shí)也能保持良好的性能。

另外，圖的結(jié)構(gòu)決定了其易于擴(kuò)展的特性。我們不必在模型設(shè)計(jì)之初就把所有的細(xì)節(jié)都考慮到，因?yàn)樵诤罄m(xù)增加新的節(jié)點(diǎn)、新的關(guān)系、新的屬性甚至新的標(biāo)簽都很容易，也不會(huì)破壞已有的查詢和應(yīng)用功能。

而關(guān)系型數(shù)據(jù)庫(kù)，如果一開(kāi)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(kāi)發(fā)人員或產(chǎn)品經(jīng)理在開(kāi)發(fā)初期就設(shè)想好未來(lái)可能會(huì)新增的字段，并提前加入到數(shù)據(jù)表中。

參考資料：

neo4j-圖數(shù)據(jù)庫(kù)
E-R圖：實(shí)體與屬性的劃分原則
通俗易懂解釋知識(shí)圖譜（Knowledge Graph）
圖數(shù)據(jù)庫(kù)是什么？

作者：楊桃，游戲行業(yè)B端產(chǎn)品經(jīng)理，愛(ài)用文字記錄觀察及想法。

本文由 @楊桃 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)許可，禁止轉(zhuǎn)載。

題圖來(lái)自 Unsplash，基于CC0協(xié)議。