知识融合

1. 知识图谱的异构

1.1 从知识图谱构建的角度看

• 早期知识工程的理想是构建一个统一的知识库
• 人类知识体系复杂
• 不同人对某些知识有主观看法
• 知识会随时间自然演化
• 同一领域有不同组织构建自己的知识库
• 交叉领域的交叉知识往往是独立构建
• 知识图谱构建优先考虑重用现有知识

1.2 从知识图谱应用的角度看

• 不同领域的系统需要进行交互
• 系统处理的知识来自不同领域

1.3 知识异构的两个层次

1.3.1 语言层异构

1.3.2 模型层异构

2. 为什么需要知识融合

2.1 数据清洗

• 构建的知识图谱可能存在异构
• 知识融合是知识图谱应用的重要预处理步骤

2.2 数据集成

• 需要同时利用或融合多个不同来源的知识图谱
• 不同源的知识图谱可能存在重叠的知识

3. 解决本体层的匹配（Ontology Matching）

3.1 基础匹配器（字符串匹配器）

• 编辑距离

• Levenshtein distance（最小编辑距离）

• Wagner and Fisher distance（Levenshtein distance拓展）

• 汉明距离

• 字串相似度

• Dice系数

• Jaccard系数

• 基于N-gram的集合相似度

3.2 文本匹配方法

• TF/IDF（提取关键字词向量）

3.3 结构匹配方法

• 间接的结构匹配器

• 在文档匹配器中考虑结构信息，如邻居、上下义、属性等

• 直接的结构匹配器

• 图匹配复杂度高，无法直接使用

• 相似度传播模型的各种变体很有效

3.4 知识表示学习方法

4. 解决实例层的匹配（Instance Matching）

4.1 实例术语解析

不同领域的称谓

• 实例（Instance）：知识工程领域
• 实体（Entity）：自然语言处理
• 记录（Record）：数据库
• 对象（Object）：知识工程领域

4.2 实例匹配

不同领域称谓

• Instance Matching（实例匹配）：知识工程领域（知识图谱、语义Web）
• Entity Resolution/Coreference（实体解析）：自然语言处理领域、数据库领域
• Record Linkage（记录链接）：自然语言处理领域、数据库领域
• Duplicate Detection（重复检测）：数据库领域
• Name Disambiguation（名字消解）：数字图书馆、社交网络

4.3 实例匹配的挑战

1. 一词多义
2. 多次一义
3. 匹配效果和匹配性能
   1. 真实知识图谱规模大
   2. 匹配效果和匹配性能如何平衡
   3. 时间复杂度和空间复杂度都重要

4.4 实例匹配的方法

4.4.1 基于推理的匹配方法

4.4.2 基于实例对的相似度匹配

4.4.3 基于机器学习的匹配方法

4.4.4 基于分块的大规模实例匹配

4.4.5 基于推理的实例匹配方法

4.4.6 基于学习的实例匹配方法