吾看书

知识图谱：ai的“超级大脑地图”（第2页）

这章没有结束，请点击下一页继续阅读！

知识图谱不是天上掉下来的，得靠人“一点点攒、一步步搭”，整个过程就像“整理一本超级百科全书”，主要分三步：找素材、理关系、建图谱。

（一）第一步：找素材——从“海量数据”里挖“知识点”

建知识图谱首先得有“原料”，也就是各种数据。这些数据来源特别广，主要分三类：

1. 公开的“大百科”：比如 Wikipedia、百度百科、搜狗百科，这些里面全是现成的知识点，比如“李白，字太白，唐代诗人”，直接就能拿来用。

2. 专业的“数据库”：比如政府公开的企业信息库、医院的疾病数据库、电商的商品数据库，这些数据更精准，比如“阿里巴巴，成立于1999年，创始人马云”。

3. 零散的“网页/文本”：比如新闻报道、论坛帖子、微信文章，这些里面藏着很多“隐性知识”，比如新闻里说“周杰伦在台北举办演唱会”，就得从这句话里挖出“周杰伦”“台北”“演唱会”这几个实体，以及“举办”这个关系。

挖素材的过程靠“AI自动提取+人工校对”。AI用“实体识别技术”找关键词，比如从“姚明身高2.26米”里认出“姚明”是人物实体、“2.26米”是身高属性；再用“关系抽取技术”找联系，比如从“王菲是窦靖童的母亲”里认出“王菲”和“窦靖童”是“母女关系”。不过AI偶尔会出错，比如把“张三和李四是朋友”里的“朋友”当成“兄弟”，这时候就需要人工来改，保证素材准确。

（二）第二步：理关系——给“知识点”建“通讯录”

挖来的素材是零散的，比如有“周杰伦”“《青花瓷》”“方文山”三个实体，得搞清楚它们之间到底啥关系。这一步就像“给人建通讯录”，不光要记名字，还要记“谁是朋友、谁是同事、谁是家人”。

理关系的时候，得先定“规则”，比如“演唱”关系是“人→演唱→歌曲”，“作词”关系是“人→作词→歌曲”。然后把挖来的实体往规则里套：周杰伦→演唱→《青花瓷》，方文山→作词→《青花瓷》，这样就把三个实体连起来了。

有时候还会遇到“多对多”的复杂关系，比如“《青花瓷》收录在《我很忙》专辑里”“《我很忙》发行于2007年”“《青花瓷》获得过金曲奖”，这时候就得把这些关系一层层连起来，形成“周杰伦→演唱→《青花瓷》→收录于→《我很忙》→发行于→2007年”的链条，让知识变得有层次。

（三）第三步：建图谱——把“关系网”变成“可查可用的结构”

理清楚关系后，就可以把这些实体和关系“装”进专门的数据库里，建成知识图谱了。这种数据库叫“图数据库”，和咱们平时用的Excel表格不一样，它是用“节点”和“边”来存数据的：每个实体是一个“节点”，每个关系是一条“边”，边还能附带属性（比如“结婚”关系可以附带“结婚时间”）。

举个简单的图谱结构例子：

- 节点1：周杰伦（属性：生日1979-01-18、职业歌手）

- 节点2：《青花瓷》（属性：发行2007-11-02、风格中国风）

- 节点3：方文山（属性：生日1969-01-26、职业作词人）

- 边1：周杰伦→演唱→《青花瓷》（属性：收录于《我很忙》）

- 边2：方文山→作词→《青花瓷》（属性：获得金曲奖最佳作词人）