11、社交大数据中的知识图谱与语义分析应用

社交大数据中的知识图谱与语义分析应用

1. 知识图谱概述

知识图谱（KGs）近年来在学术界和工业界都备受关注。它能够消化不同的数据格式，推断丰富的数据实体和概念，从而使商业智能应用、客户服务支持、组织内容搜索等多个领域受益。自2012年起，知识图谱就被用作谷歌搜索引擎的核心知识库，用于增强和整合从广泛资源收集的现实实体的检索结果。

知识图谱可分为领域无关（开放世界）和领域相关两类。领域无关的知识图谱包括Freebase、YAGO、Dublin Core（DC）、Simple Knowledge Organization System（SKOS）、Semantically - Interlinked Online Communities（SIOC）和DBPedia知识库等；领域相关的知识图谱则能解决特定领域的问题，并从领域语料库中获取附加值。

然而，目前对于知识图谱尚未有一个公认的正式定义。例如，Ehrlinger等人将其定义为：“知识图谱获取信息并将其集成到本体中，并应用推理机来推导新知识”；Paulheim则给出了更全面的定义：“知识图谱（i）主要描述现实世界的实体及其相互关系，以图的形式组织；（ii）在模式中定义实体的可能类别和关系；（iii）允许任意实体之间潜在地相互关联；（iv）涵盖各种主题领域”。

知识图谱通常基于领域本体构建，以实体和关系的集合来呈现知识领域，提供统一的标准数据表示，即资源描述框架（RDF）。RDF以三元组（主语、谓语、宾语）的形式表示知识，其中主语表示需要描述的资源，谓语表示主语的属性，宾语表示描述主语的属性值。典型的知识图谱以有向图表示，节点表示类模型的实体（资源），边表示这些实体之间的关系（属性）。

例如，