10、知识图谱与文本挖掘基础：从分类法到实际应用

知识图谱与文本挖掘基础：从分类法到实际应用

1. 构建知识模型的起点

在构建知识模型时，我们无需一开始就采用非常复杂的数据模型。相反，我们可以从小处着手，在构建知识图谱的过程中逐步增加数据模型的复杂度。

2. 分类法基础

在探讨网络语义和知识图谱的应用后，我们来了解知识图谱的基础，即分类法，以及构建知识模型时的必要因素。
- 大众分类法（Folksonomy） ：它是由大众为信息源分配的一组关键词，协作标签是其具体的标签过程。大众分类法不只是内容的元数据，它还能补充信息源本身，突出信息源的更多方面或相关含义。由于它由大众主导，所以通常处于不断变化中。大众分类法允许用户在内容管理系统中添加标签，这对我们的模型很有用，但有时可能与模型完全无关。
- 受控词汇表 ：也用于在内容管理系统中为内容添加标签，它专门为知识模型服务，可能是知识共享中的术语表，或与之相关的含义或信息。
- 分类法（Taxonomy） ：是一组按层次结构组织的定义，从对事物的一般描述开始，越往下越具体。它使用RDF和URI，是知识领域的机器可读模型，例如动物王国的分类（见图1）。分类法可以描述领域中重要的事物及其关系，是知识模型的基础，可在此之上构建应用程序。

graph LR
    A[Animal] --> B[Tiger]
    A --> C[Lion]
    A --> D[Wolf]
    B --> E[Carnivorous]
    C