开源开放的知识图谱工具 和数据生态 张宁豫（浙江大学） 提纲 !"#$%&'()(*+, -"#$%&()./ 0"#$%&(*12 3"456789: 01 知识图谱的开源生态 知识图谱：刻画事物关系、沉淀领域知识 !"#$%&'(#)*+,-"./0123456789:9;/<=>?!"@ABCD!EF6G HIJ@KLMNOP(QRSTU-EFVW-XYXZ[\-]^_`abc-EF3:def>?g New Expert Engine : TO-BE 专家经验 概念词、本体、实体、关系 三元组、规则、Axioms • • • • 搜索查询 人工构建的本体 人工校验过的规则库 通过知识众包获取的图谱 从文本抽取的专家知识 智能问答 符号表示 决策分析 图可视化 神经网络 知识图谱 向量表示 • • • • 可解释性 人机闭环提升模型效果 语言预训练：字、词、句子 KG Embedding：实体、关系、三元组 图神经网络：图结构、路径、子图 Ontology Embedding：Axiom、逻辑结构 机器数据 长期积累的结构化数据 设备传感数据 自动采集的日志数据 多种模态的数据 知识图谱的广阔应用 对话式的信息获取更加需要精准度和可靠度，知识图谱对于提升用户体验更加不可少。 智能厨房 …… DBpedia Wordnet Yago True Knowledge/Evi WolframAlpha zhishi.me …… …… 智能驾驶 DBpedia 智能家居 机器人及IOT设备的智能化：给万物都挂接一个背景知识库 知识图谱的广阔应用 A knowledge graph to interpret clinical proteomics data (Nature Biotechnology 2022) OntoProtein: Protein Pretraining With Gene Ontology Embedding (ICLR2022) 知识图谱的广阔应用 知识体系组织形式 Taxonomy • 一种树状的知识表示结构，本质上是本体的简化 • 是当前互联网行业内较为流行的类型，因为它在一定程度上 兼顾上下层关系和标签体系 Folksonomy • 利用大众自发的对网络信息进行打标签的方式进行内容组织 • 没有对概念规范化的说明，也没有复杂的网状结构和丰富的 语义关系 Ontology • 通过对术语或词汇、术语关系、概念化与形式化的规范说明, 描述特定领域的知识 工程化本体构建流程 收集领域 本体术语 •列出本体中的重要 术语集合 定义本体 概念层级 检查项目、疾病、疾病症状等实体术语，治疗周期、治疗方 式、治愈概率、疾病易感人群等属性或关系术语 •定义概念与概念之 间的继承、等价、 兄弟关系 定义本体 属性关联 is-a, kind-of, the-same-as, brother •包括针对概念的属 性类型、概念属性 之间的推理关系、 关系与关系之间的 互逆关系 定义本体 约束条件 如父亲和儿子，在知道父亲数据的情况下，可以自动得到儿 子这条数据 •包括属性的取 值类型、取值 范围、缺省值 等 对于人的寿命取值范围一般小于 200岁，2月份不会超过29天等 知识图谱的构建范式 开源数据与工具可以提升开发知识图谱应用的效率 1. 基于已有的工具、数据开发原型 2. 根据业务需求开发功能模块实现应用系统 知识图谱的构建范式 基于开源数据和工具开发知识图谱应用的基本范式 1、快速写代码 2、跑实验，记录实验结果 3、分析实验结果，模型是否符合预期？! 知识图谱的开源数据与工具 要开源，也要自主可控 建设开源社区的关键是树立开源思维 知识图谱开源生态 知识图谱开源开放的使命与愿景 开源创新可以加速知识图谱技术的创新发展，不断拓展人类认知边界和技术边界 开发者都可以基于开源开放的成果开发自己的项目、产品及业务，更便捷、高效、 安全地推进知识图谱技术创新与应用 02 知识图谱开源工具 知识图谱构建流水线 本体建模 知识抽取 知识融合 知识校验 Jack is married to the microbiologist known as Dr. Germ in the USA USA. 属性：字 张之洞，晚清名臣、清代洋务派代表人物，祖籍直隶南皮，出生于贵州，字孝达。 实体 属性值 知识更新 本体标注工具 Protégé NeOn Toolkit Altova SemanticWorks 思维导图 知识标注开源工具 https://github.com/doccano/doccano https://brat.nlplab.org/ 知识抽取工具：DeepDive 经典的知识抽取工具