第一部分 世界是由粒子组成的
知识图谱的基本粒子
1.什么是知识图谱
简单的理解就是描述知识，标识知识
2.知识图谱包括的内容
知识表示、知识抽取、知识存储、知识融合、知识推理、知识众包、语义搜索、知识问答等内容
3.知识图谱的构成
知识图谱由一条一条知识组成
每条知识标识为一个SPO三元组(Subject-Predicate-Object)
Subject : 主语
Predicate: 谓词
Object ：宾语
举个例子：猫是动物
猫：主语
是：谓词 用来描述或判定客体性质、特征或者客体之间关系的词项
动物：宾语
4.怎么描述一个三元组——即怎么描述一条知识
RDF(Resource Description Framework)，资源描述框架，是W3C制定的，用于描述实体/资源的标准数据模型
RDF图中一共有三种类型，International Resource Identifiers(IRIs)，blank nodes 和 literals
- Subject可以是IRI或blank node。
- Predicate是IRI。
- Object三种类型都可以。
IRI：我们可以看做是URI或者URL的泛化和推广，它在整个网络或者图中唯一定义了一个实体/资源，和我们的身份证号类似。
blank node：有争议的存在，先不做介绍
literal：是字面量，我们可以把它看做是带有数据类型的纯文本，假如上面提到猫的名字叫小花，那么小花可以表示为"xiaohua"^^xsd:string
描述一下猫的名字是小花这个三元组
- 猫是一个唯一标识实体很容易理解
- kg:name是RDF中定义的一些perfix文件中的一个
定义格式如下：
@perfix kg:<www.kg.com/ontology/>
kg:name相当于www.kg.com/ontology/name
- 小花是一个字面量
这样经过RDF的规则统一，梳理一下，就将一个句子（一条知识）做了充分的定义和表示
第二部分 粒子该怎么组合
语义网络、知识图谱
第一部分介绍的只是某一条知识，太简单了，也达不到我们的要求，将一条一条的知识组合在一起，会组成一个庞大的网络，才会有意义。可以理解为，第一部分介绍的东西是造句，接下来要将句子组合在一起，做作文
1.语义网络 Semantic Network
语义网络是一种知识的表达形式，用一幅图表示一下
这样的一个语义网络可以表示一些知识，但是优点和缺点都很明显
优点
- 1.容易理解
- 2.知识容易聚类
缺点
- 1.节点和边的值没有标准，完全是由用户自己定义。
- 2.多源数据融合比较困难，因为没有标准。
- 3.无法区分概念节点（class）和对象（object）节点。
- 4.无法对节点和边的标签进行定义。
RDF的标准解决了缺点1和2，制定了一些标准，但是对于3和4还没有解决
看一个问题引出问题3，如何用RDF的规则表示“猫是哺乳动物”这句话
RDF中可以表示为
猫 rdf:type 哺乳动物
语言文化博大精深，“猫是哺乳动物”这句话有两成含义，在语境A中“猫”可以指一个特定的实体，即object，但是在语境B中，猫可以指一个类型即class
为了解决这个问题，即问题3和4，W3C提出了RDFS和OWL两个标准
下面举几个例子：以RDFS为例，
- 声明一个类
哺乳动物 rdf:type rdfs:class
- 声明一个子类
猫 rdf:type rdfs:Class
猫 rdfs:subClassOf 哺乳动物
- 声明一个实例
猫 rdf:type 哺乳动物
rdf:type可以缩写为a，即猫 a 哺乳动物
2.知识图谱
对于上面的语义网络，虽然RDF可以描述边节点之间的关系，但是大家发现一个最可怕的问题吗，这个语义网络没有边界，可以随便扩展，这就导致无法描述
知识图谱和语义网络的区别在于此，知识图谱只包含两种类型，即资源和字面量，所有节点的边最终都是一个字面量，类似于树的叶子节点，不会再有出度，如下面的图
里面所有的边界最后都是一个字面量，这样就可以使所有的数据量化，并可表达
至此，大致的就可以了解知识图谱是什么东西
