通過前面幾篇文章的介紹，讀者應(yīng)該對知識圖譜，其相關(guān)概念，以及語義網(wǎng)技術(shù)棧中的RDF，RDFS/OWL有了一定的了解。
者準備開一個實踐篇，結(jié)合理論篇，讓讀者能夠從無到有構(gòu)建一個領(lǐng)域知識圖譜，并在其上搭建一個基于知識圖譜的問答小程序。demo比較簡單，問答實現(xiàn)是基于模板匹配和正則表達式，整個流程是為了讓讀者對知識圖譜及其相關(guān)應(yīng)用有個直觀的認識。
首先介紹我們使用的數(shù)據(jù)、數(shù)據(jù)來源和數(shù)據(jù)獲取方法；其次，基于數(shù)據(jù)內(nèi)部關(guān)系，介紹如何以自頂向下的方式構(gòu)建本體結(jié)構(gòu)。

一、數(shù)據(jù)準備

實踐篇使用的數(shù)據(jù)是與電影相關(guān)的。基本統(tǒng)計數(shù)據(jù)如下：

演員數(shù)量：505人

電影數(shù)量：4518部

電影類型：19類

人物與電影的關(guān)系：14451

電影與類型的關(guān)系：7898

演員的基本信息包括：姓名、英文名、出生日期、死亡日期、出生地、個人簡介。

電影的基本信息包括：電影名稱、電影簡介、電影評分、電影發(fā)行日期、電影類型。

數(shù)據(jù)是從“The Movie Database (TMDb”網(wǎng)站獲取的，官方提供注冊用戶API KEY用于查詢和下載數(shù)據(jù)。
本實例數(shù)據(jù)獲取方法：以周星馳為初始入口，獲取其出演的所有電影；再獲取這些電影的所有參演演員；最后獲取所有參演演員所出演的全部電影。經(jīng)過去重處理，我們得到了505個演員的基本信息和4518部電影的基本信息。數(shù)據(jù)保存在mysql中，其ER圖如下：

二、本體建模

本體的構(gòu)建大體有兩種方式：自頂向下和自底向上。

開放域知識圖譜的本體構(gòu)建通常用自底向上的方法，自動地從知識圖譜中抽取概念、概念層次和概念之間的關(guān)系。這也很好理解，開放的世界太過復(fù)雜，用自頂向下的方法無法考慮周全，且隨著世界變化，對應(yīng)的概念還在增長。

領(lǐng)域知識圖譜多采用自頂向下的方法來構(gòu)建本體。一方面，相對于開放域知識圖譜，領(lǐng)域知識圖譜涉及的概念和范圍都是固定或者可控的；另一方面，對于領(lǐng)域知識圖譜，我們要求其滿足較高的精度。現(xiàn)在大家接觸到的一些語音助手背后對接的知識圖譜大多都是領(lǐng)域知識圖譜，比如音樂知識圖譜、體育知識圖譜、烹飪知識圖譜等等。正因為是這些領(lǐng)域知識圖譜來滿足用戶的大多數(shù)需求，更需要保證其精度。

本實例是一個電影領(lǐng)域的知識圖譜，我們采用自頂向下的方法來構(gòu)建本體結(jié)構(gòu)。首先介紹下我們使用的工具protégé:

Protégé，又常常簡單地拼寫為“Protege”，是一個斯坦福大學(xué)開發(fā)的本體編輯和知識獲取軟件。開發(fā)語言采用Java，屬于開放源碼軟件。由于其優(yōu)秀的設(shè)計和眾多的插件，Protégé已成為目前使用最廣泛的本體論編輯器之一（來自維基百科）。

這樣我們就定義好了本體

關(guān)系數(shù)據(jù)庫到RDF

上一篇文章介紹了我們所使用的數(shù)據(jù)。
其實，知識圖譜數(shù)據(jù)的來源主要有三個：結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化的數(shù)據(jù)。我們所使用的電影數(shù)據(jù)就是結(jié)構(gòu)化的數(shù)據(jù)。半結(jié)構(gòu)化的數(shù)據(jù)指的是數(shù)據(jù)有一定的組織形式，但較結(jié)構(gòu)化數(shù)據(jù)而言更松散（屬性名和屬性值具有多樣性，比如“生日”就有“出生日期”、“誕辰”等多種表達方式），例如百度百科、維基百科、互動百科等；非結(jié)構(gòu)化數(shù)據(jù)通常是指我們看到的一切純文本數(shù)據(jù)。
本文首先介紹W3C的RDB2RDF工作小組制定的兩個標準，用于將關(guān)系型數(shù)據(jù)庫的數(shù)據(jù)轉(zhuǎn)換為RDF格式的數(shù)據(jù)。然后介紹如何利用d2rq這個工具把我們Mysql中的數(shù)據(jù)轉(zhuǎn)為RDF。

一、兩個標準

第一個標準是direct mapping，即直接映射。
規(guī)則十分簡單：

數(shù)據(jù)庫的表作為本體中的類（Class）。比如我們在mysql中保存的數(shù)據(jù)，一共有5張表。那么通過映射后，我們的本體就有5個類了，而不是我們自己定義的三個類。

表的列作為屬性（Property）。

表的行作為實例/資源。

表的單元格值為字面量

如果單元格所在的列是外鍵，那么其值為IRI，或者說實體/資源。
RDB2RDF工作小組指定了另外一個標準——R2RML，可以讓用戶更靈活的編輯和設(shè)置映射規(guī)則。
R2RML也支持SQL語句來對查詢結(jié)果進行映射。比如，我們有一列表示某人的性別，我們可以用SQL語句選取男性的行，把這些行映射成我們定義的男性類。女性同理。這種特性大大增強了其靈活性。

二、D2RQ

主要功能是將MySQL數(shù)據(jù)轉(zhuǎn)換為RDF
以虛擬RDF圖的方式訪問關(guān)系數(shù)據(jù)庫是其最主要的一個特性。它的機理就是通過mapping文件，把對RDF的查詢等操作翻譯成SQL語句，最終在RDB上實現(xiàn)對應(yīng)操作。在做知識圖譜項目的時候，我們可以靈活地選擇數(shù)據(jù)訪問方式。當對外提供服務(wù)，查詢操作比較頻繁的情況下，最好是將RDB的數(shù)據(jù)直接轉(zhuǎn)為RDF，會節(jié)省很多SPARQL到SQL的轉(zhuǎn)換時間。
D2RQ發(fā)布了r2rml-kit以支持W3C制定的兩個映射標準。D2RQ有一個比較方便的地方，可以根據(jù)你的數(shù)據(jù)庫自動生成預(yù)定義的mapping文件，用戶可以在這個文件上修改，把數(shù)據(jù)映射到自己的本體上。就我們這個例子而言，數(shù)據(jù)關(guān)系比較簡單，自己編輯R2RML文件或者在D2RQ生成的mapping文件上修改效率差不多。在數(shù)據(jù)關(guān)系很復(fù)雜的時候，我建議直接在D2RQ生成的mapping文件上修改，會節(jié)省很多時間。
使用步驟

下載D2RQ，進入其目錄，運行下面的命令生成默認的mapping文件：

./generate-mapping -u root -p sdzh521 -o kg_demo_movie_mapping.ttl jdbc:mysql:///kg_demo_movie

root是mysql的用戶名，沒有密碼則不輸入，-o指定輸出文件路徑及名稱，jdbc:mysql:///kg_demo_movie 指定我們要映射的數(shù)據(jù)庫。該命令的其他參數(shù)及使用方式請參考文檔。

修改mapping文件中對應(yīng)的本體

@prefix : http://www.kgdemo.com# .
d2rq:class :Genre;
將其中的表名換為本體中的數(shù)據(jù)

使用下面的命令將我們的數(shù)據(jù)轉(zhuǎn)為RDF：

./dump-rdf -f TURTLE -o dump.nt kg_demo_movie_mapping.ttl

RDF查詢語言SPARQL

前面我們已經(jīng)介紹過了語義網(wǎng)技術(shù)棧中的RDF，RDFS/OWL。這次我們介紹最后一個核心技術(shù)標準——SPARQL（RDF，OWL和SPARQL稱為語義網(wǎng)的三大核心技術(shù)）。RDF本質(zhì)上是一種數(shù)據(jù)模型，那么我們?nèi)绾卧赗DF上進行查詢呢？類似使用SQL查詢關(guān)系數(shù)據(jù)庫，我們使用SPARQL查詢RDF格式的數(shù)據(jù)。本文先簡單介紹一下SPARQL的歷史，然后結(jié)合我們實踐篇的數(shù)據(jù)舉幾個具體的例子。

一、SPARQL

SPARQL即SPARQL Protocol and RDF Query Language的遞歸縮寫，專門用于訪問和操作RDF數(shù)據(jù)，是語義網(wǎng)的核心技術(shù)之一。W3C的RDF數(shù)據(jù)存取小組（RDF Data Access Working Group, RDAWG）對其進行了標準化。相對第一個版本，其支持RDF圖的更新，提供更強大的查詢，比如：子查詢、聚合操作（像我們常用的count）等等。

從SPARQL的全稱我們可以知道，其由兩個部分組成：協(xié)議和查詢語言

查詢語言很好理解，就像SQL用于查詢關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)，XQuery用于查詢XML數(shù)據(jù)，SPARQL用于查詢RDF數(shù)據(jù)。

協(xié)議是指我們可以通過HTTP協(xié)議在客戶端和SPARQL服務(wù)器（SPARQL endpoint）之間傳輸查詢和結(jié)果，這也是和其他查詢語言最大的區(qū)別。
一個SPARQL查詢本質(zhì)上是一個帶有變量的RDF圖，以我們之前提到的羅納爾多RDF數(shù)據(jù)為例：

http://www.kg.com/person/1 http://www.kg.com/ontology/chineseName “羅納爾多·路易斯·納薩里奧·德·利馬”^^string.

我們把屬性值用變量代替（SPARQL中，用問號加變量名的方式來表示一個變量。），即：

http://www.kg.com/person/1 http://www.kg.com/ontology/chineseName ?x.

SPARQL查詢是基于圖匹配的思想。我們把上述的查詢與RDF圖進行匹配，找到符合該匹配模式的所有子圖，最后得到變量的值。就上面這個例子而言，在RDF圖中找到匹配的子圖后，將"羅納爾多·路易斯·納薩里奧·德·利馬"和“?x”綁定，我們就得到最后的結(jié)果。簡而言之，SPARQL查詢分為三個步驟：

構(gòu)建查詢圖模式，表現(xiàn)形式就是帶有變量的RDF。

匹配，匹配到符合指定圖模式的子圖。

綁定，將結(jié)果綁定到查詢圖模式對應(yīng)的變量上。

二、例子

以實踐篇的RDF電影數(shù)據(jù)為例，我們介紹如何利用SPARQL查詢：

所有的RDF三元組。

周星馳出演了哪些電影？

英雄這部電影有哪些演員參演？

鞏俐參演的評分大于7的電影有哪些
如何查詢所有數(shù)據(jù)？參照我們在第一個部分介紹的查詢過程，查詢所有數(shù)據(jù)即我們沒有任何已知值，SPO三元組每個都是未知變量。對應(yīng)的SPARQL查詢語言為：

PREFIX : <http://www.kgdemo.com#> PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> PREFIX owl: <http://www.w3.org/2002/07/owl#> PREFIX xsd: <XML Schema> PREFIX vocab: <http://localhost:2020/resource/vocab/> PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#> PREFIX map: <http://localhost:2020/resource/#> PREFIX db: <http://localhost:2020/resource/>SELECT * WHERE {?s ?p ?o }

SPARQL的部分關(guān)鍵詞：

SELECT， 指定我們要查詢的變量。在這里我們查詢所有的變量，用*代替。
WHERE，指定我們要查詢的圖模式。含義上和SQL的WHERE沒有區(qū)別。
FROM，指定查詢的RDF數(shù)據(jù)集。我們這里只有一個圖，因此省去了FROM關(guān)鍵詞。
PREFIX，用于IRI的縮寫。

“周星馳出演了哪些電影”：

PREFIX : <http://www.kgdemo.com#> PREFIX rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> PREFIX owl: <http://www.w3.org/2002/07/owl#> PREFIX xsd: <XML Schema> PREFIX vocab: <http://localhost:2020/resource/vocab/> PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#> PREFIX map: <http://localhost:2020/resource/#> PREFIX db: <http://localhost:2020/resource/>SELECT ?n WHERE {?s rdf:type :Person.?s :personName '周星馳'.?s :hasActedIn ?o.?o :movieTitle ?n }

總結(jié)

以上是生活随笔為你收集整理的电影KB-QA 3的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。