知识图谱
什么是知识图谱
2012年5月，搜索引擎巨头谷歌在它的搜索页面中首次引入“知识图谱”：用户除了得到搜索网页链接外，还将看到与查询词有关的更加智能化的答案。谷歌高级副总裁艾米特·辛格博士一语道破知识图谱的重要意义所在：“构成这个世界的是实体，而非字符串（things, not strings）”。
传统搜索引擎只是机械地比对查询词和网页之间的匹配关系，没有真正理解用户要查询的到底是什么。而知识图谱则会将“泰山”理解为一个“实体”（entity），也就是一个现实世界中的事物。
知识图谱可以为查询词赋予丰富的语义信息，建立与现实世界实体的关系，从而帮助用户更快找到所需的信息。
知识图谱的构建
大规模知识库
维基百科。互联网链接数据
国际万维网组织W3C在2007年发起了开放互联数据项目（Linked Open Data，LOD）。LOD以RDF（Resource Description Framework）形式在Web上发布各种开放数据集，RDF是一种描述结构化知识的框架，它将实体间的关系表示为（实体1，关系，实体2）的三元组。LOD还允许在不同来源的数据项之间设置RDF链接，实现语义Web知识库。互联网网页文本数据
与整个互联网相比，维基百科等知识库仍只能算沧海一粟。因此，人们还需要从海量互联网网页中直接抽取知识。OpenIE项目，NELL项目。与从维基百科中抽取的知识库相比，开放信息抽取从无结构网页中抽取的信息准确率还很低，其主要原因在于网页形式多样，噪声信息较多，信息可信度较低。多数据源的知识融合
从以上数据来源进行知识图谱构建并非孤立地进行。在商用知识图谱构建过程中，需要实现多数据源的知识融合。
开放知识图谱
- DBpedia 是一个大规模的多语言百科知识图谱，可视为是维基百科的结构化版本。
- Yago 是一个整合了维基百科与 WordNet的大规模本体。
- Wikidata 是一个可以自由协作编辑的多语言百科知识库。
- BabelNet 是目前世界范围内最大的多语言百科同义词典。
- ConceptNet 是一个大规模的多语言常识知识库，其本质为一个以自然语言的方式描述人类常识的大型语义网络。
- 中文目前可用的大规模开放知识图谱有 Zhishi.me与XLore[103]，中文开放知识图谱联盟（OpenKG）。
知识图谱推理技术
知识库推理可以粗略地分为基于符号的推理和基于统计的推理。
基于符号的推理可以从一个已有的知识图谱，利用规则，
推理出新的实体间关系，还可以对知识图谱进行逻辑的冲突检测。
基于统计的推理方法一般指关系机器学习方法。
基于统计：实体关系学习方法
实体关系学习的目的是学习知识图谱中实例和实例之间的关系。是最近几年知识图谱的一个比较热的研究方向，可以分为潜在特征模型和图特征模型两种。
潜在特征模型通过实例的潜在特征来解释三元组。
其中包括：
翻译（translation）模型将实体与关系统一映射至低维向量空间中，且认为关系向量中承载了头实体翻译至尾实体的潜在特征。因此，通过发掘、对比向量空间中存在类似潜在特征的实体向量对，我们可以得到知识图谱中潜在的三元组关系。
词向量表示
one-hot representation
就是用一个很长的向量来表示一个词，向量的长度为词典的大小，
向量的分量只有一个 1，其他全为 0， 1 的位置对应该词在词典中的位置。
word embedding
通过训练将某种语言中的每一个词映射成一个固定长度的短向量
（当然这里的“短”是相对于 one-hot representation 的“长”而言的）
将所有这些向量放在一起形成一个词向量空间，
而每一向量则为该空间中的一个点，在这个空间上引入“距离”，
则可以根据词之间的距离来判断它们之间的（词法、语义上的）相似性了。
相似度计算
核心思路就是：
开源知识图谱三元组数据-> 利用知识图谱的翻译模型-> 得到词向量表示的word embedding形式-> 计算相似度
References
《大数据智能》第2章：知识图谱 -by 刘知远THU
知识图谱研究进展 -by 漆桂林、高桓、吴天星
知识图谱向量化表示 -by 窦洪健
词嵌入2017年进展全面梳理：趋势和未来方向 by 机器之心
词的表示: one-hot 与 embedding by 集智俱乐部活动笔记
实体相似度计算的研究 -by 李阳