1.6　知識圖譜的技術(shù)架構(gòu)

本節(jié)將簡要介紹知識圖譜的技術(shù)架構(gòu)，更多知識圖譜的技術(shù)和工程實踐細(xì)節(jié)將在后文詳細(xì)闡述。構(gòu)建知識圖譜是一個系統(tǒng)性工程。圖1-14給出了一個典型的知識圖譜構(gòu)建與計算的架構(gòu)。

圖1-14　知識圖譜的構(gòu)建與計算

知識圖譜的構(gòu)建與計算，不僅需要考慮如何結(jié)合文本、多媒體、半結(jié)構(gòu)化、結(jié)構(gòu)化知識、服務(wù)或API，以及時態(tài)知識等的統(tǒng)一知識表示，還需要進(jìn)一步考慮如何結(jié)合結(jié)構(gòu)化（如關(guān)系型數(shù)據(jù)庫）、半結(jié)構(gòu)化（HTML或XML）和非結(jié)構(gòu)化（文本、圖像等）多源異質(zhì)數(shù)據(jù)源來分別構(gòu)建通用事實類（各種領(lǐng)域相關(guān)實體知識）、常識類、用戶個人記憶類和服務(wù)任務(wù)類知識庫等。針對不同類型的數(shù)據(jù)和知識，有不同的構(gòu)建技術(shù)，如針對結(jié)構(gòu)化數(shù)據(jù)的知識映射、針對半結(jié)構(gòu)化知識的包裝器（Wrapper），以及針對非結(jié)構(gòu)化知識的文本挖掘和自然語言處理。文本挖掘充分利用Web和大規(guī)模語料庫的冗余信息來發(fā)現(xiàn)隱含的模式；而自然語言處理更多是在開放或者確定的Schema下做各種知識抽取。為了得到融合的圖譜，我們除了需要考慮離線的多源異構(gòu)的知識融合，還需要額外考慮服務(wù)任務(wù)類動態(tài)知識的對象綁定。這項工作往往是在線完成的，相當(dāng)于根據(jù)不同的交互，在線動態(tài)擴(kuò)充知識圖譜并實例化的過程。

最后還需要考慮知識圖譜的存儲。既然有了知識，就必須用一定的手段去存儲。但這里談到的存儲，不僅僅是建立一個知識庫，還包括存儲之后的應(yīng)用效率等。傳統(tǒng)型關(guān)系數(shù)據(jù)庫，例如MySQL，以及一些NoSQL數(shù)據(jù)庫，例如MongoDB，能不能存儲KG呢？答案是肯定的，但從直觀上說，考慮到知識是互聯(lián)、龐大的，且聯(lián)系是數(shù)據(jù)的本質(zhì)所在，而傳統(tǒng)型數(shù)據(jù)庫對于數(shù)據(jù)聯(lián)系的表現(xiàn)比較差，所以在知識圖譜的存儲上，關(guān)系型數(shù)據(jù)庫沒有圖數(shù)據(jù)庫靈活。尤其是涉及多跳關(guān)聯(lián)查詢時（例如姚明的妻子的國籍是什么），圖數(shù)據(jù)庫的效率會遠(yuǎn)比關(guān)系型數(shù)據(jù)庫高。