前言

  同学们好，这一节我们要讲的是"关系挖掘"。这是知识图谱技术应用的第一步，就是要挖掘出来上节提到的那种关系。从哪里挖呢？当然是从公开的语料中挖取。人类到现在为止已经积累了很多很多的知识数据，形式也很丰富，有图书，有杂志，有报纸，还有现在信息最丰富，增长最快，更新最频繁的互联网。前面说的图书、杂质、报纸这些东西如果也能够电子化的话，也是可以被视作和互联网知识媒介一样的处理对象的。

关系挖掘

在上文说到，我们要挖掘的数据是从公开的语料中来的。当你拿到了这些数据后，你就要把它们都一篇一篇输入到计算机中当做样本。然后就在其中去找这类描述信息，比如你要找到“黄金的密度为19.32吨/立方米”的这样一个关系的话，你需要怎么办呢？当然同时也要包括别的一些对象和关系。比如这一个挖掘任务下来，最好是识别出更多的知识关系来，那就需要一种覆盖更为全面的规则。我可能就需要识别出所有句子中的“主语”、“谓语”、“宾语”、“定语”、“状语”、“补语”。这些关系如果能够识别正确的话，确实能够在很大程度上识别出知识之间的关系。

识别这些句子成分的话，通常也是两种方法结合着来做。

方法一 规则法

所谓规则法，就是用类似于正则化表达式与词表的方法进行过滤或识别。举个例子，比如我想识别出来一个“中国的首都是北京”这样的关系中“中国”、“首都是”、“北京”。那我就写一段程序代码，只要找到“首都是”这三个字，就把前面识别出来的名词，和后面识别出来的名词识别成国家和首都的关系。这就是规则法的一个小例子。

方法二 深度学习

这里说的深度学习基本上就是指基于深度学习的NER技术了。用大量的语料来标注，把句子中“主语”、“谓语”、“宾语”、“定语”、“状语”、“补语”等成分都识别出来就可以，这些词汇之间就是有很丰富的彼此关系描述的内容。我也来举一个典型的例子：

“中国人爱喝的绿茶是一种饮料。”

主语：绿茶

谓语：是

宾语：饮料

定语：中国人爱喝、一种

“美国NBA运动员的篮球打得普遍更好一些。”

主语：篮球

谓语：打

定语：美国NBA运动员

补语：普遍更好一些

这些关系可以挖掘出一张图的“节点”和“边”。

你可能觉得“挖了这么半天才怎么才这么点图出来，而且还是这么短的链条，还不是图”。可以你要想想，对于一个句子来说，他能描述的内容非常有限，只能抽取出这样的“知识链条”。一旦你在海量的数据中去挖掘的时候，你就会得到数以万计的这样的链条，把他们彼此连接起来就会形成一个巨大无比的数据关系网络。这就是关系挖掘的一个简单例子。

在这个过程中不仅仅要用到刚才我们说的NER技术，还需要用到“实体统一”和“指代消解”的技术。

实体统一（Entity Resolution）指的是一个名词对象在表达中对应多种形式的情况，我们举个例子。比如“上海”和“上海市”，“Bruce Lee”和“李小龙”这两对词汇其实分别指代的是同一个具体的事物对象。在建立知识图谱的时候就不能把“上海”和“上海市”建立成两个节点。

指代消解（Coreference Resolution）指的是在上下文关系中的代词的正确识别问题。来看一个小例子“广州是南中国最繁华的城市之一。它有着悠久的历史，有完整的轻重工业配套产业链。你一定会爱上这里。”

“它”“这里”指代的就是指广州。如果不能做指代消解的话，那就只能寄期望于语料中所有的“它”都写成主语本意的词汇，可这在任何语言中都是不可能的。

小结

  本节讲解了知识图谱中最基础的概念——关系挖掘。它是知识图谱技术应用的第一步，有了关系之后才能进行下一步应用。那么，这里又会生产一个问题，通过数据挖掘出来的关系，应该如何存储呢？下一节，我们将讲解基于深度学习的关系挖掘。如你对本节有疑问，欢迎在讨论区与我讨论。