35、知识图谱部署与应用：从理论到实践

知识图谱部署与应用：从理论到实践

1. 知识访问与表示层的引擎

在知识访问与表示层，有四个关键引擎发挥着重要作用，它们分别是数据提取引擎、推理引擎、错误检测引擎和重复检测引擎。
- 数据提取引擎 ：该引擎依据视图（子图）定义，从底层知识图谱中提取视图。它包含 SPARQL 端点的连接器和/或 RML 映射器。提取的数据会被映射到知识激活器中的 Micro TBox，然后存储起来供其他三个引擎使用。
- 推理引擎 ：这是一个基于规则的推理器，它能根据知识激活器中现有的知识推断出新的知识。它借助 Micro TBox 提供的术语（如类型层次结构）以及特定用例的额外推理规则来工作。
- 错误检测引擎 ：此引擎利用 Micro TBox 中的术语和约束，根据特定用例或应用的要求检测错误。通常，它作为 SHACL 验证器工作。
- 重复检测引擎 ：该引擎实现重复检测操作。与以往不同的是，它使用 Micro TBox 而非底层模式的 TBox 进行配置，并且在更小的知识图谱上运行。此外，它还能处理来自外部源的重复数据。

2. 德国素食餐厅知识激活器的定义

下面以一个服务于德国素食社区的应用为例，详细说明如何定义一个知识激活器。该应用仅对德国的素食餐厅感兴趣，其构建基于一个包含旅游相关数据的大型知识图谱。

2.1 定义 MicroTBox 的模式、约束和规则

MicroTBox 由术语、底层知识图谱模式的扩展子集、特定用例的约束以及根据用例需求推断新知识的推