對(duì)知識(shí)圖譜有興趣的讀者可以關(guān)注我的知乎專欄，主要介紹知識(shí)圖譜的相關(guān)概念、技術(shù)，也包含一些具體實(shí)踐。

通過前面幾篇文章的介紹，讀者應(yīng)該對(duì)知識(shí)圖譜，其相關(guān)概念，以及語(yǔ)義網(wǎng)技術(shù)棧中的RDF，RDFS/OWL有了一定的了解。然而，之前我們都是在介紹一些概念性的東西。實(shí)踐才出真知，理論掌握得再好，不能解決實(shí)際問題也只是紙上談兵。因此，筆者準(zhǔn)備開一個(gè)實(shí)踐篇，結(jié)合理論篇，讓讀者能夠從無(wú)到有構(gòu)建一個(gè)領(lǐng)域知識(shí)圖譜，并在其上搭建一個(gè)基于知識(shí)圖譜的問答小程序。demo比較簡(jiǎn)單，問答實(shí)現(xiàn)是基于模板匹配和正則表達(dá)式，整個(gè)流程是為了讓讀者對(duì)知識(shí)圖譜及其相關(guān)應(yīng)用有個(gè)直觀的認(rèn)識(shí)。

本文作為實(shí)踐篇第一篇文章，首先介紹我們使用的數(shù)據(jù)、數(shù)據(jù)來(lái)源和數(shù)據(jù)獲取方法；其次，基于數(shù)據(jù)內(nèi)部關(guān)系，介紹如何以自頂向下的方式構(gòu)建本體結(jié)構(gòu)。
一、數(shù)據(jù)準(zhǔn)備

實(shí)踐篇使用的數(shù)據(jù)是與電影相關(guān)的。基本統(tǒng)計(jì)數(shù)據(jù)如下：
1. 演員數(shù)量：505人
2. 電影數(shù)量：4518部
3. 電影類型：19類
4. 人物與電影的關(guān)系：14451
5. 電影與類型的關(guān)系：7898

演員的基本信息包括：姓名、英文名、出生日期、死亡日期、出生地、個(gè)人簡(jiǎn)介。

電影的基本信息包括：電影名稱、電影簡(jiǎn)介、電影評(píng)分、電影發(fā)行日期、電影類型。

數(shù)據(jù)是從“The Movie DB”網(wǎng)站獲取的，官方提供注冊(cè)用戶API KEY用于查詢和下載數(shù)據(jù)。我本來(lái)打算從豆瓣獲取電影數(shù)據(jù)，但現(xiàn)在豆瓣API已經(jīng)關(guān)閉了個(gè)人用戶申請(qǐng)入口。

本實(shí)例數(shù)據(jù)獲取方法：以周星馳為初始入口，獲取其出演的所有電影；再獲取這些電影的所有參演演員；最后獲取所有參演演員所出演的全部電影。經(jīng)過去重處理，我們得到了505個(gè)演員的基本信息和4518部電影的基本信息。數(shù)據(jù)保存在mysql中，其ER圖如下：
er_movie

讀者可以直接下載我們獲取到的數(shù)據(jù)，或者用我們提供的腳本自己從網(wǎng)站獲取額外的數(shù)據(jù)，再或者根據(jù)自己的需要重新編寫腳本。
二、本體建模

本體的構(gòu)建大體有兩種方式：自頂向下和自底向上。
1. 開放域知識(shí)圖譜的本體構(gòu)建通常用自底向上的方法，自動(dòng)地從知識(shí)圖譜中抽取概念、概念層次和概念之間的關(guān)系。這也很好理解，開放的世界太過復(fù)雜，用自頂向下的方法無(wú)法考慮周全，且隨著世界變化，對(duì)應(yīng)的概念還在增長(zhǎng)。
2. 領(lǐng)域知識(shí)圖譜多采用自頂向下的方法來(lái)構(gòu)建本體。一方面，相對(duì)于開放域知識(shí)圖譜，領(lǐng)域知識(shí)圖譜涉及的概念和范圍都是固定或者可控的；另一方面，對(duì)于領(lǐng)域知識(shí)圖譜，我們要求其滿足較高的精度。現(xiàn)在大家接觸到的一些語(yǔ)音助手背后對(duì)接的知識(shí)圖譜大多都是領(lǐng)域知識(shí)圖譜，比如音樂知識(shí)圖譜、體育知識(shí)圖譜、烹飪知識(shí)圖譜等等。正因?yàn)槭沁@些領(lǐng)域知識(shí)圖譜來(lái)滿足用戶的大多數(shù)需求，更需要保證其精度。

本實(shí)例是一個(gè)電影領(lǐng)域的知識(shí)圖譜，我們采用自頂向下的方法來(lái)構(gòu)建本體結(jié)構(gòu)。首先介紹下我們使用的工具protege（點(diǎn)擊進(jìn)入官網(wǎng)下載）:

Protégé，又常常簡(jiǎn)單地拼寫為“Protege”，是一個(gè)斯坦福大學(xué)開發(fā)的本體編輯和知識(shí)獲取軟件。
開發(fā)語(yǔ)言采用Java，屬于開放源碼軟件。由于其優(yōu)秀的設(shè)計(jì)和眾多的插件，Protégé已成為目前使用最廣泛的本體論編輯器之一（來(lái)自維基百科）。

打開protege，看到和下圖類似的界面。在Ontology IRI中填寫我們新建本體資源的IRI。讀者可以填寫自己的符合標(biāo)準(zhǔn)的IRI。

protege

點(diǎn)擊“Entities”tab標(biāo)簽，選擇“Classes”標(biāo)簽。在這個(gè)界面，我們創(chuàng)建電影知識(shí)圖譜的類/概念。注意，所有的類都是“Thing”的子類。最左邊紅色小方框中的按鈕用于創(chuàng)建當(dāng)前選中類的子類，中間的按鈕用于創(chuàng)建兄弟類（平行類），最右邊的按鈕刪除當(dāng)前選中的類。我們創(chuàng)建了三個(gè)類，“人物”、“電影”、“類別”。右下方的界面是用于描述該類的一些特性，例如：”disjoint of”是用于表示該類與哪些類是互斥的。本例中，三個(gè)類都是互斥的。也就是說(shuō)，一個(gè)實(shí)例只能是三個(gè)類中的一個(gè)。我們沒有在protege中顯式地定義互斥關(guān)系，讀者可以自己定義。

class

接下來(lái)我們切換到”O(jiān)bject Properties”頁(yè)面，我們?cè)诖私缑鎰?chuàng)建類之間的關(guān)系，即，對(duì)象屬性。這里我們創(chuàng)建了三個(gè)對(duì)象屬性，”hasActedIn”表示某人參演了某電影，因此我們?cè)谟蚁路降?號(hào)矩形框中定義該屬性的”domain”是人，4號(hào)框定義”range”是電影。這個(gè)很好理解，”domain”表示該屬性是屬于哪個(gè)類的，”range”表示該屬性的取值范圍。2號(hào)框表示該屬性的逆屬性是”hasActor”，即，有了推理機(jī)，盡管我們的RDF數(shù)據(jù)只保存了A出演了B，我們?cè)诓樵兊臅r(shí)候也能得到B的演員有A。1號(hào)方框中是一些描述該屬性的詞匯，我們?cè)谏弦黄恼轮幸呀?jīng)介紹過，這里不再贅述。同理，我們定義另外兩個(gè)屬性，這里不再展示。

obeject property

最后，我們切換到”Data properties”，我們?cè)谠摻缑鎰?chuàng)建類的屬性，即，數(shù)據(jù)屬性。其定義方法和對(duì)象屬性類似，除了沒有這么豐富的描述屬性特性的詞匯。其實(shí)不難理解，這些描述特性的詞匯是傳遞、對(duì)稱、反對(duì)稱、自反等，表明其必定有指向其他資源或自身的邊，而我們之前提到過，數(shù)據(jù)屬性相當(dāng)于樹的葉子節(jié)點(diǎn)，只有入度，而沒有出度。

data property

其實(shí)區(qū)分?jǐn)?shù)據(jù)屬性和對(duì)象屬性還有一個(gè)很直觀的方法，我們觀察其”range”，取值范圍即可。對(duì)象屬性的取值范圍是類，而數(shù)據(jù)屬性的取值范圍則是字面量，如下圖。

range

protege也支持以可視化的方式來(lái)展示本體結(jié)構(gòu)。我們點(diǎn)擊”Window”選項(xiàng)，在”Tabs”中選擇”O(jiān)ntoGraf”，然后”Entities”旁邊就多了一個(gè)標(biāo)簽頁(yè)。在右側(cè)窗口中移動(dòng)元素，可以很直觀地觀察本體之間的關(guān)系。
image

在這個(gè)小節(jié)，我們簡(jiǎn)單地介紹了如何用protege自頂向下地構(gòu)建知識(shí)圖譜的本體結(jié)構(gòu)。對(duì)于Protege更詳細(xì)的操作和介紹，請(qǐng)參考這篇文檔。
總結(jié)

這篇文章介紹了接下來(lái)實(shí)踐中使用的數(shù)據(jù)，以及如何利用protege，根據(jù)我們的數(shù)據(jù)來(lái)進(jìn)行本體建模。數(shù)據(jù)、代碼以及本體文件我都上傳到了github。之后實(shí)踐篇涉及到的所有文件我都會(huì)放在該項(xiàng)目中。下一篇實(shí)踐文章將介紹關(guān)系數(shù)據(jù)庫(kù)中的數(shù)據(jù)轉(zhuǎn)換為RDF的幾種方法，讓讀者學(xué)會(huì)如何把存在Mysql中的電影數(shù)據(jù)轉(zhuǎn)為RDF格式的數(shù)據(jù)。

https://blog.csdn.net/u011801161/article/details/78910988

總結(jié)

以上是生活随笔為你收集整理的知识图谱实践篇（一）：数据准备和本体建模的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。