从“强语义”到“弱语义”
– 知识图谱的发展几经变革，大致可以划分为“强语义”和“弱语义”阶段。
– 在“强语义”阶段，研究重点是如何建立语义表示体系，知识库的构建往往依赖于人工编辑、合作开发的模式。

– 进入互联网时代后，知识图谱规模不断增大，开始向着更加实际的“弱语义”方法发展，不再强调语义，而是强调如何利用互联网知识自动构建大规模知识图谱。

1984，CYC 知识库
– 第一个例子，叫做 Cyc，是早期知识库项目的代表。也是目前持续时间最长的知识库项目。CYC 最早由 Douglas Lenat 在 1984 年创建，并延续至今。
– Cyc 最初的目标是要建设人类最大的常识知识库，它认为，常识可以通过“实体”和“断言”来描述。类似于“每棵树都是植物”、“植物最终都会死亡”。
– 这些知识以一阶谓词逻辑形式存储。
– Cyc 设想，当用户提出“树是否会死亡”的问题时，CYC 推理引擎可以通过自动推理得到正确的结论。

Cyc 介绍
– Cyc 项目的知识事实主要通过手工添加到知识库中，类似定理库。这使得 CYC 的推理效率很高，可以支持复杂推理。但缺点同样突出：构建成本太高，知识更新慢，推理死板适应性差。

1985，WordNet
– 我们介绍的第二个知识库是 WordNet，也是目前知名度最高的词典知识库，它最早于 1985 年，由普林斯顿大学的认知科学实验室主持构建，最开始的目的是针对多义词的词义消歧。
– Wordnet 认为，每个词（word）可能有多个不同的语义（sense）根据词去组织词典，则会忽略同义词信息。
– 同样，每个语义（sense）也可能对应多个词。如果按照 sense 组织词典，把语义近似相同的词打包放在一起，是否可以解决多义词问题？据此，WordNet 设计了同义词集合 (Synset)，作为基本单位来组织词典。

1999，ConceptNet
– 我们要介绍的第三个知识库，是 ConceptNet，它最早源于 MIT 媒体实验室的 OpenMind commonsense 项目，该项目是由马文.明斯基（人工智能之父）1999 年创建的。
– ConceptNet 最初的目标是构建一个描述人类常识的大型语义 web。
在 1999 年，RDF 技术已经成熟，因此 Conceptnet 直接采用三元组的形式来构建，而不是谓词逻辑。
– 在构建方法上， ConceptNet 并不是完全由专家来制定结构、层级、语义体系，而是通过“众包”方式，结合一定的文本抽取，半自动半人工地构建。

– 在 conceptnet 中，所有的概念都来自于真实文本，概念之间的关系通过文本的统计数据确定。比如，在文本中多次出现 “化妆… … 漂亮”则可以推断“化妆”和“漂亮”之间存在导致关系。
– 这种从文本中发现的关系，并不是由专家事先制定好的。这就意味着，conceptnet 本身已经是一个“弱语义”的知识库，只强调词与词之间存在的关系，而不再强调知识库整体的语义完整性。

HowNet网址：https://openhownet.thunlp.org/

HowNet 的基本思想
• HowNet 最早的理念可以追溯到 1988 年，知网的作者董振东先生曾在他的几篇文章中提出：
– 自然语言处理系统需要知识库。
– 知识库应包含概念、概念的属性、以及概念之间、属性之间的关系
– 应首先建立常识性知识库，描述通用概念
– 应由知识工程师来设计知识库的框架，并建立知识库的原型。
• 知网就是在这些理念的指导下，历经多年开发得到的中文知识系统。

HowNet 的构建
• 知网作为一个知识系统，是一个网状结构。知网的建设方法的一个重要特点是自下而上的归纳的方法。
– 知网知识体系的最底层，是 800 多个“义元”，是“最基本的、不易于再分割的意义的最小单位”。义元由人工专家大量阅读文本，逐步精炼得到，是 HowNet 的精华。
– 有了义元，HowNet 进一步用义元来标注、解释事件和概念。然后加入概念、属性之间的关系，构成网络。

“知网”是中国第一个电子知识系统，在理论上和实践上均具有重大的发现和独创，“知网”在国内外产生了重要影响：1987 年获得解放军科技进步二等奖和国家科技进步二等奖，2011 年获得中国中文信息学会首届终身成就奖，2012 年获“钱伟长中文信息处理科学技术奖”一等奖。
        董振东教授是我国机器翻译事业的开创者，毕生从事机器翻译研究与开发工作，为我国中文信息处理事业做出了突出贡献，他倡导的创新精神影响了一大批中青年学者。

知识图谱规模化挑战
– 进入互联网时代后，尤其是搜索引擎成为人们获取信息的主要手段以后，工业界对知识库的规模提出了越来越高的要求。以往“小而美”的知识库，已经无法满足智能应用的需求。
– 另一方面，以搜索引擎为例，人们更多关注的是“是否具有并且找到某种知识”，而不是“是否可以理解、推理某种知识”。显然这种需求，使得知识库越来越倾向于“弱语义、大规模”。
– 因此，从 2010 年开始，许多学者开始尝试利用机器学习、信息抽取等技术，自动从互联网获取词汇知识。

自动获取 web 知识：知识源瓶颈
• 在这方面，典型的例子包括
– 华盛顿大学的 TextRunner（现改为 OpenIE，开放信息抽取系统）。
– 卡内基梅隆大学的 NELL(Never-Ending Language Learning)
• 这两个系统，都是完全根据算法，以互联网网页上的文本为知识源，试图自动分析、发现其中的概念以及概念之间的关系。
• 这样做的好处是很容易获得大量知识。缺点则在于开放互联网上的信息质量差别大，数量虽然庞大，但知识密度非常低，使得系统准确率和知识获取效率都比较低。

另一条路：Wikipedia
– 因此，可以说：自动构建知识库，前提是准备好知识密集、格式统一、大规模的知识源。
– 在 2010 年前后，随着在线百科网站的兴起，这种知识源逐渐成熟，其典型代表就是大名鼎鼎的维基百科， wikipedia。

在线百科全书 wikipedia
– 维基百科是世界上最著名的在线百科全书，它致力于向读者提供免费的百科全书知识。
– 在线百科全书的概念来自理查德·斯托曼（同时他也是开源软件的倡导者、精神领袖）
– Wikipedia 始于 2001 年 1 月 15 日，目前发展为全球性的项目
– 特点：众包、词条存储、累计有千万级别的百科词条。

从 FreeBase 到 Wikidata
– Freebase 是较早期的开放共享知识库。由硅谷创业公司 MetaWeb在 2005 年启动。其主要数据来源包括维基百科、世界名人数据库、开放音乐数据库，以及社区用户的贡献等。
– 早期的 FreeBase 以人工转化为主，即，由社区成员协作，将知识源中的知识提取，构建为 Freebase 格式的三元组。
– Freebase 是典型的“弱语义”知识库，它对知识库中的实体和关系不做严格的控制，完全由用户来创建、编辑。
– 2010 年，谷歌收购了 Freebase 作为其知识图谱数据来源，并于2012 年发布谷歌知识图谱。

DBpedia
– DBPedia 是早期的基于维基百科的语义网项目。DBPedia 的本意就是指数据库版本的 Wikipedia，旨在将 wikipedia 的知识系统化、规范化、结构化。
– 与 Freebase 不同，DBPedia 定义了一套较为严格的语义体系，其中包含人、地点、音乐、电影、组织机构、物种、疾病等类定义。
– 此外，DBPedia 还是我们上节课提到的 LOD 计划的核心，与Freebase，OpenCYC、Bio2RDF 等多个数据集建立了数据链接。
– DBPedia 采用 RDF 三元组模型，已经包括了 660 万实体，130 亿个三元组。

YAGO
– YAGO 是由德国马普研究所研制的知识图谱，主要集成了Wikipedia、WordNet 和 GeoNames 三个来源的数据。
– YAGO 的特点是将 WordNet 的词汇定义与 Wikipedia 的分类体系进行了知识融合，使得 YAGO 具有更加丰富的实体分类体系。
– YAGO 还考虑了时间和空间知识，为很多知识条目增加了时间和空间维度的属性描述。

哈工大：大词林
《大词林》（www.bigcilin.com）是由哈尔滨工业大学社会计算与信息检索究中心推出，由秦兵教授和刘铭副教授主持开发，是一个自动构建的大规模开放域中文知识库。
《大词林》是一个实体知识库。它完全自动构建，系统从 Web 搜索结果、在线百科和等多个信息源挖掘实体的类别、类别之间的层次化关系，构成词汇语义网。

小结
• 至此，我们介绍了目前典型的知识图谱。
• 现代知识图谱由于要满足规模化需求，大多降低了对逻辑表达能力的要求，以三元组作为知识表现形式。
• 这并不是说，我们现在不需要逻辑推理能力，而是经过近年来的发展，越来越多的证据显示，简单的大规模三元组，配合可计算模型，同样可以在若干智能任务上取得好的成绩。