2019年知识图谱标准化白皮书(200页)

行业报告下载 2019年09月30日 07:24 管理员

知识融合的概念最早出现在1983年发表的文献[HOLSAPPLE C，et al,1983] 1 中，并在20世纪九十年代得到研究者的广泛关注。而另一种知识融合的定义是指对来自多源的不同概念、上下文和不同表达等信息进行融合的过程[维基百科]。[A.Smirnov，et al,2002] 2认为知识融合的目标是产生新的知识，是对松耦合来源中的知识进行集成，构成一个合成的资源，用来补充不完全的知识和获取新知识。[唐晓波，魏巍，et al,2015] 3在总结众多知识融合概念的基础上认为知识融合是知识组织与信息融合的交叉学科，它面向需求和创新，通过对众多分散、异构资源上知识的获取、匹配、集成、挖掘等处理，获取隐含的或有价值的新知识，同时优化知识的结构和内涵，提供知识服务。

知识融合从融合层面划分可以分为数据层知识融合与概念层知识融合，数据层知识融合主要研究实体链接、实体消解，是面向知识图谱实例层的知识融合；概念层知识融合主要研究本体对齐、跨语言融合等技术。 1、数据层知识融合技术实体链接问题是数据层知识融合研究的主要任务，其核心是构建多类型多模态上下文及知识的统一表示，并建模不同信息、不同证据之间的相互交互，主要的实体链接方法有：基于实体知识的链接方法、基于篇章主题的链接方法和融合实体知识与篇章主题的实体链接方法。

概念层知识融合是对多个知识库或者信息源在概念层进行模式对齐的过程。本体对齐或者本体匹配是概念层知识融合主要研究任务，是指确定本体概念之间映射关系的过程。本体匹配可以分为单语言本体匹配和跨语言本体匹配，单语言本体匹配是指同一自然语言中本体的对齐映射，跨语言本体匹配是指从两个或多个独立的语言本体中建立本体之间映射关系的过程1。本体匹配的研究核心就在于如何通过本体概念之间的相似性度量，发现异构本体间的匹配关系，本体匹配基本方法包括基于结构的方法、基于实例的方法、基于语言学的匹配算法、基于文本的匹配算法和基于已知本体实体联结的匹配算法。 3、跨语言知识融合技术在大数据时代背景下，如何将跨语言的知识图谱进行对齐与融合，实现知识的全球共享，为跨语言知识服务提供便利，是知识图谱进一步研究的过程中需要解决的问题2。跨语言知识图谱研究的目的是构建一个包含当前重要知识库的大规模跨语言知识库，提高不同语言之间链接数据的国际化以及知识共享全球化，便于跨语言信息检索、机器翻译和跨语言知识问答等跨语言处理任务的研究与应用。[Hailong Jin，et al，2019] 3 构建了一个有42万中英跨语言实体链接的双语言知识图谱（XLORE2），自动化融合了来自维基百科、百度百科和互动百科的信息。