知识|产品视角下的知识图谱构建流程与技术理解( 八 )

面向知识图谱的推理主要围绕关系的推理展开，即基于图谱中已有的事实或关系推断出未知的事实或关系，一般着重考察实体、关系和图谱结构三个方面的特征信息。
知识图谱的推理的主要技术手段主要可以分为两大类：
基于演绎的知识图谱推理和基于归纳的知识图谱推理。
演绎推理是一种自上而下的推理，在指在给定的一个或多个前提的情况下，推断出一个必然成立的结论的过程，我们熟悉的三段论就是典型的演绎推理。
演绎推理的过程需要明确定义的先验信息，比如在某某前提下，所以基于演绎的知识图谱推理大多围绕本体展开，比如某事物具备某一属性，则必然不存在于与该属性互斥的事物范围内。
演绎推理中的一个大类是基于描述逻辑的推理，描述逻辑(Description Logic)是基于对象的、一种形式化知识表示的逻辑。描述逻辑是OWL语言实现逻辑推理的基础，OWL语言重要的词语如互为逆关系，子类等就是实现逻辑推理的基础。
描述逻辑是一阶谓词逻辑的一个可判定子集，所谓可判定，就是保证了推理算法总是能够终止的，可以得出结论的。要理解描述逻辑就需要先理解一阶谓词逻辑。
人类的一条知识一般可以由具有完整意义的一句话或几句话表示出来，而这些话可以用一些谓词公式（用谓词联接符号将一些谓词联接起来所形成的公式）表示出来，比如张三是一个学生，可以表示为isStudent（张三），这里isStudent（x）是一个谓词，表示x是一个学生。
这样很贴近自然语言，也可以被计算机存储与识别，所以是一种很常用的知识表示方法。
一个描述逻辑系统由四个基本部分组成：

最基本的元素：概念、关系、个体
TBox术语集：概念术语的公理集合
Abox断言集：个体的断言集合
TBox 和 ABox上的推理机制

概念即解释为一个领域的子集；关系解释为该领域上的二元关系，如|朋友(x,y)；个体解释为一个领域内的实例。 TBox为术语集，它是泛化的知识，是描述概念和关系的知识，被称之为公理。
ABox是断言集，指具体个体的信息，ABox 语言包含概念断言和关系断言，概念断言即表示一个对象是否属于某个概念，关系断言表示两个对象是否满足特定的关系。
描述逻辑的各种算子，对应到owl语言中就是各种词汇，如算子?对应subClassof；描述逻辑依据提供的构造算子,在简单的概念和关系上构造出复杂的概念和关系。
基于本体推理的方法常见的有基于 Tableaux 运算的方法、基于逻辑编程改写的方法、基于一阶查询重写的方法、基于产生式规则的方法等。

文章插图
归纳推理是一种自下而上的推理，是指基于已有的部分观察得出一般结论的过程，典型的归纳推理有归纳泛化（指基于对个体的观察而得出可能适用于整体的结论）、统计推理（将整体的统计结论应用于个体）。
基于归纳的知识图谱推理主要是通过对知识图谱已有信息的分析和挖掘进行推理的，最常用的信息为已有的三元组。
按照推理要素的不同，基于归纳的知识图谱推理可以分为以下几类：基于图结构的推理、基于规则学习的推理和基于表示学习的推理。

文章插图
九、知识检索与知识分析经历了知识建模与表示、知识抽取、知识图谱融合、知识图谱计算与推理之后，知识图谱已经是相对完善的数据库了，可以在其基础上创造应用，服务具体的场景。
在知识图谱的应用阶段已经简要说明了通用领域知识图谱和专用领域知识图谱的应用，这里只聚焦其中三项技术：搜素、问答系统、推荐系统。
1. 搜索知识图谱依托庞大的数据和关系对，可以对搜索进行增强，不但针对搜索词展示出最接近的信息，还把相关的选项也展示出来，提高了查准率和查全率，另外可以通过图谱化的展现和互动让用户更加方便的了解信息。
具体来说，是通过语义搜索、关系搜索和结构化展现实现的。
万维网之父Tim Berners-Lee是这样定义语义搜索的：
“语义搜索的本质是通过数学来拜托当今搜索中使用的猜测和近似，并为词语的含义以及它们如何关联到我们在搜索引擎输入框中所找的东西引进一种清晰的理解方式”。
具体来说，首先将用户输入的问句进行解析，找出问句中的实体和关系，理解用户问句的含义，然后在知识图谱中匹配查询语句，找出答案，最后通过一定的形式将结果呈现到用户面前。