這是我閱讀知乎專欄https://zhuanlan.zhihu.com/knowledgegraph上的文章做的一些筆記。詳細的內容可以去原文了解。
語義網絡（semantic networks）
用相互連接的節點和邊來表示知識。節點表示對象、概念，邊表示節點之間的關系。
優點：
1、容易理解和展示； 2、相關概念容易聚類
缺點：
1、 節點和邊的值沒有標准，完全是由用戶自己定義。
2、 多源數據融合比較困難，因為沒有標准。
3、 無法區分概念節點和對象節點。
4、 無法對節點和邊的標簽（label）進行定義。
RDF解決了1和2兩個缺點，在節點和邊的取值上做了約束，制定了統一標准，為多源數據的融合提供了便利。
RDFS和OWL克服了3和4兩個缺點，
語義網（semantic web）和鏈接數據（linked data）
語義網正是為了使得網絡上的數據變得機器可讀而提出的一個通用框架。“Semantic”就是用更豐富的方式來表達數據背后的含義，讓機器能夠理解數據。“Web”則是希望這些數據相互鏈接，組成一個龐大的信息網絡，正如互聯網中相互鏈接的網頁，只不過基本單位變為粒度更小的數據。
知識圖譜（knowledge graph）
知識圖譜是由本體（Ontology）作為Schema層，和RDF數據模型兼容的結構化數據集。
知識圖譜的基石：RDF
1、RDF的表現形式
RDF(Resource Description Framework)，即資源描述框架，其本質是一個數據模型（Data Model）。它提供了一個統一的標准，用於描述實體/資源。簡單來說，就是表示事物的一種方法和手段。RDF形式上表示為SPO三元組，有時候也稱為一條語句（statement），知識圖譜中我們也稱其為一條知識，如下圖。
RDF由節點和邊組成，節點表示實體/資源、屬性，邊則表示了實體和實體之間的關系以及實體和屬性的關系。
2、RDF序列化方法
RDF的表示形式和類型有了，那我們如何創建RDF數據集，將其序列化（Serialization-怎么存儲和傳輸RDF數據）呢？目前，RDF序列化的方式主要有：RDF/XML，N-Triples，Turtle，RDFa，JSON-LD等幾種。
- RDF/XML，顧名思義，就是用XML的格式來表示RDF數據。之所以提出這個方法，是因為XML的技術比較成熟，有許多現成的工具來存儲和解析XML。然而，對於RDF來說，XML的格式太冗長，也不便於閱讀，通常我們不會使用這種方式來處理RDF數據。
- N-Triples，即用多個三元組來表示RDF數據集，是最直觀的表示方法。在文件中，每一行表示一個三元組，方便機器解析和處理。開放領域知識圖譜DBpedia通常是用這種格式來發布數據的。
- Turtle, 應該是使用得最多的一種RDF序列化方式了。它比RDF/XML緊湊，且可讀性比N-Triples好。
- RDFa, 即“The Resource Description Framework in Attributes”，是HTML5的一個擴展，在不改變任何顯示效果的情況下，讓網站構建者能夠在頁面中標記實體，像人物、地點、時間、評論等等。也就是說，將RDF數據嵌入到網頁中，搜索引擎能夠更好的解析非結構化頁面，獲取一些有用的結構化信息。讀者可以去這個頁面感受一下RDFa，其直觀展示了普通用戶看到的頁面，瀏覽器看到的頁面和搜索引擎解析出來的結構化信息。
- JSON-LD，即“JSON for Linking Data”，用鍵值對的方式來存儲RDF數據。感興趣的讀者可以參考此網站。
結合羅納爾多的例子，給出其N-Triples和Turtle的具體表示。
example 1: N-Triples:
1 <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. 2 <http://www.kg.com/person/1> <http://www.kg.com/ontology/career> "足球運動員"^^string. 3 <http://www.kg.com/person/1> <http://www.kg.com/ontology/fullName> "Ronaldo Luís Nazário de Lima"^^string. 4 <http://www.kg.com/person/1> <http://www.kg.com/ontology/birthDate> "1976-09-18"^^date. 5 <http://www.kg.com/person/1> <http://www.kg.com/ontology/height> "180"^^int. 6 <http://www.kg.com/person/1> <http://www.kg.com/ontology/weight> "98"^^int. 7 <http://www.kg.com/person/1> <http://www.kg.com/ontology/nationality> "巴西"^^string. 8 <http://www.kg.com/person/1> <http://www.kg.com/ontology/hasBirthPlace> <http://www.kg.com/place/10086>. 9 <http://www.kg.com/place/10086> <http://www.kg.com/ontology/address> "里約熱內盧"^^string. 10 <http://www.kg.com/place/10086> <http://www.kg.com/ontology/coordinate> "-22.908333, -43.196389"^^string.
用Turtle表示的時候我們會加上前綴（Prefix）對RDF的IRI進行縮寫。
example 2: Turtle:
@prefix person: <http://www.kg.com/person/> . @prefix place: <http://www.kg.com/place/> . @prefix : <http://www.kg.com/ontology/> . person:1 :chineseName "羅納爾多·路易斯·納薩里奧·德·利馬"^^string. person:1 :career "足球運動員"^^string. person:1 :fullName "Ronaldo Luís Nazário de Lima"^^string. person:1 :birthDate "1976-09-18"^^date. person:1 :height "180"^^int. person:1 :weight "98"^^int. person:1 :nationality "巴西"^^string. person:1 :hasBirthPlace place:10086. place:10086 :address "里約熱內盧"^^string. place:10086 :coordinate "-22.908333, -43.196389"^^string.
同一個實體擁有多個屬性（數據屬性）或關系（對象屬性），我們可以只用一個subject來表示，使其更緊湊。我們可以將上面的Turtle改為：
example 3: Turtle:
@prefix person: <http://www.kg.com/person/> . @prefix place: <http://www.kg.com/place/> . @prefix : <http://www.kg.com/ontology/> . person:1 :chineseName "羅納爾多·路易斯·納薩里奧·德·利馬"^^string; :career "足球運動員"^^string; :fullName "Ronaldo Luís Nazário de Lima"^^string; :birthDate "1976-09-18"^^date; :height "180"^^int; :weight "98"^^int; :nationality "巴西"^^string; :hasBirthPlace place:10086. place:10086 :address "里約熱內盧"^^string; :coordinate "-22.908333, -43.196389"^^string.
即，將一個實體用一個句子表示（這里的句子指的是一個英文句號“.”）而不是多個句子，屬性間用分號隔開。
3、RDF的表達能力
RDF的表達能力有限，無法區分類和對象，也無法定義和描述類的關系/屬性。我的理解是，RDF是對具體事物的描述，缺乏抽象能力，無法對同一個類別的事物進行定義和描述。就以羅納爾多這個知識圖為例，RDF能夠表達羅納爾多和里約熱內盧這兩個實體具有哪些屬性，以及它們之間的關系。但如果我們想定義羅納爾多是人，里約熱內盧是地點，並且人具有哪些屬性，地點具有哪些屬性，人和地點之間存在哪些關系，這個時候RDF就表示無能為力了。不論是在智能的概念上，還是在現實的應用當中，這種泛化抽象能力都是相當重要的；同時，這也是知識圖譜本身十分強調的。RDFS和OWL這兩種技術或者說模式語言/本體語言（schema/ontology language）解決了RDF表達能力有限的困境。
RDF的衣服——RDFS和OWL
之所以說RDFS/OWL是RDF的“衣服”，因為它們都是用來描述RDF數據的。為了不顯得這么抽象，我們可以用關系數據庫中的概念進行類比。用過Mysql的讀者應該知道，其database也被稱作schema。這個schema和我們這里提到的schema language十分類似。我們可以認為數據庫中的每一張表都是一個類（Class），表中的每一行都是該類的一個實例或者對象（學過java等面向對象的編程語言的讀者很容易理解）。表中的每一列就是這個類所包含的屬性。如果我們是在數據庫中來表示人和地點這兩個類別，那么為他們分別建一張表就行了；再用另外一張表來表示人和地點之間的關系。RDFS/OWL本質上是一些預定義詞匯（vocabulary）構成的集合，用於對RDF進行類似的類定義及其屬性的定義。
Notice: RDFS/OWL序列化方式和RDF沒什么不同，其實在表現形式上，它們就是RDF。其常用的方式主要是RDF/XML，Turtle。另外，通常我們用小寫開頭的單詞或詞組來表示屬性，大寫開頭的表示類。數據屬性（data property，實體和literal字面量的關系）通常由名詞組成，而對象數據（object property，實體和實體之間的關系）通常由動詞（has，is之類的）加名詞組成。剩下的部分符合駝峰命名法。為了將它們表示得更清楚，避免讀者混淆，之后我們都會默認這種命名方式。讀者實踐過程中命名方式沒有強制要求，但最好保持一致。
1、輕量級的模式語言——RDFS
RDFS，即“Resource Description Framework Schema”，是最基礎的模式語言。還是以羅納爾多知識圖為例，我們在概念、抽象層面對RDF數據進行定義。下面的RDFS定義了人和地點這兩個類，及每個類包含的屬性。
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> . @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> . @prefix : <http://www.kg.com/ontology/> . ### 這里我們用詞匯rdfs:Class定義了“人”和“地點”這兩個類。 :Person rdf:type rdfs:Class. :Place rdf:type rdfs:Class. ### rdfs當中不區分數據屬性和對象屬性，詞匯rdf:Property定義了屬性，即RDF的“邊”。 :chineseName rdf:type rdf:Property; rdfs:domain :Person; rdfs:range xsd:string . :career rdf:type rdf:Property; rdfs:domain :Person; rdfs:range xsd:string . :fullName rdf:type rdf:Property; rdfs:domain :Person; rdfs:range xsd:string . :birthDate rdf:type rdf:Property; rdfs:domain :Person; rdfs:range xsd:date . :height rdf:type rdf:Property; rdfs:domain :Person; rdfs:range xsd:int . :weight rdf:type rdf:Property; rdfs:domain :Person; rdfs:range xsd:int . :nationality rdf:type rdf:Property; rdfs:domain :Person; rdfs:range xsd:string . :hasBirthPlace rdf:type rdf:Property; rdfs:domain :Person; rdfs:range :Place . :address rdf:type rdf:Property; rdfs:domain :Place; rdfs:range xsd:string . :coordinate rdf:type rdf:Property; rdfs:domain :Place; rdfs:range xsd:string .
我們這里只介紹RDFS幾個比較重要、常用的詞匯：
1. rdfs:Class. 用於定義類。
2. rdfs:domain. 用於表示該屬性屬於哪個類別。
3. rdfs:range. 用於描述該屬性的取值類型。
4. rdfs:subClassOf. 用於描述該類的父類。比如，我們可以定義一個運動員類，聲明該類是人的子類。
5. rdfs:subProperty. 用於描述該屬性的父屬性。比如，我們可以定義一個名稱屬性，聲明中文名稱和全名是名稱的子類。
其實rdf:Property和rdf:type也是RDFS的詞匯，因為RDFS本質上就是RDF詞匯的一個擴展。我們在這里不羅列進去，是不希望讀者混淆。RDFS其他的詞匯及其用法請參考W3C官方文檔。
為了讓讀者更直觀地理解RDF和RDFS/OWL在知識圖譜中所代表的層面，我們用下面的圖來表示例子中的數據層和模式層。
Data層是我們用RDF對羅納爾多知識圖的具體描述，Vocabulary是我們自己定義的一些詞匯（類別，屬性），RDF(S)則是預定義詞匯。從下到上是一個具體到抽象的過程。圖中我們用紅色圓角矩形表示類，綠色字體表示rdf:type，rdfs:domain，rdfs:range三種預定義詞匯，虛線表示rdf:type這種所屬關系。另外，為了減少圖中連線的交叉，我們只保留了career這一個屬性的rdf:type所屬關系，省略了其他屬性的此關系。
2、RDFS的擴展——OWL
上面我們提到，RDFS本質上是RDF詞匯的一個擴展。后來人們發現RDFS的表達能力還是相當有限，因此提出了OWL。我們也可以把OWL當做是RDFS的一個擴展，其添加了額外的預定義詞匯。
OWL，即“Web Ontology Language”，語義網技術棧的核心之一。OWL有兩個主要的功能：
1. 提供快速、靈活的數據建模能力。
2. 高效的自動推理。
我們先談如何利用OWL進行數據建模。用OWL對羅納爾多知識圖進行語義層的描述：
@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> . @prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> . @prefix : <http://www.kg.com/ontology/> . @prefix owl: <http://www.w3.org/2002/07/owl#> . ### 這里我們用詞匯owl:Class定義了“人”和“地點”這兩個類。 :Person rdf:type owl:Class. :Place rdf:type owl:Class. ### owl區分數據屬性和對象屬性（對象屬性表示實體和實體之間的關系）。詞匯owl:DatatypeProperty定義了數據屬性，owl:ObjectProperty定義了對象屬性。 :chineseName rdf:type owl:DatatypeProperty; rdfs:domain :Person; rdfs:range xsd:string . :career rdf:type owl:DatatypeProperty; rdfs:domain :Person; rdfs:range xsd:string . :fullName rdf:type owl:DatatypeProperty; rdfs:domain :Person; rdfs:range xsd:string . :birthDate rdf:type owl:DatatypeProperty; rdfs:domain :Person; rdfs:range xsd:date . :height rdf:type owl:DatatypeProperty; rdfs:domain :Person; rdfs:range xsd:int . :weight rdf:type owl:DatatypeProperty; rdfs:domain :Person; rdfs:range xsd:int . :nationality rdf:type owl:DatatypeProperty; rdfs:domain :Person; rdfs:range xsd:string . :hasBirthPlace rdf:type owl:ObjectProperty; rdfs:domain :Person; rdfs:range :Place . :address rdf:type owl:DatatypeProperty; rdfs:domain :Place; rdfs:range xsd:string . :coordinate rdf:type owl:DatatypeProperty; rdfs:domain :Place; rdfs:range xsd:string .
schema層的描述語言換為OWL后，層次圖表示為：
數據屬性用青色表示，對象屬性由藍色表示。
羅納爾多這個例子不能展現OWL豐富的表達能力，我們這里簡單介紹一下常用的詞匯：
描述屬性特征的詞匯
1. owl:TransitiveProperty. 表示該屬性具有傳遞性質。例如，我們定義“位於”是具有傳遞性的屬性，若A位於B，B位於C，那么A肯定位於C。
2. owl:SymmetricProperty. 表示該屬性具有對稱性。例如，我們定義“認識”是具有對稱性的屬性，若A認識B，那么B肯定認識A。
3. owl:FunctionalProperty. 表示該屬性取值的唯一性。 例如，我們定義“母親”是具有唯一性的屬性，若A的母親是B，在其他地方我們得知A的母親是C，那么B和C指的是同一個人。
4. owl:inverseOf. 定義某個屬性的相反關系。例如，定義“父母”的相反關系是“子女”，若A是B的父母，那么B肯定是A的子女。
本體映射詞匯（Ontology Mapping）
1. owl:equivalentClass. 表示某個類和另一個類是相同的。
2. owl:equivalentProperty. 表示某個屬性和另一個屬性是相同的。
3. owl:sameAs. 表示兩個實體是同一個實體。
本體映射主要用在融合多個獨立的Ontology（Schema）。舉個例子，張三自己構建了一個本體結構，其中定義了Person這樣一個類來表示人；李四則在自己構建的本體中定義Human這個類來表示人。當我們融合這兩個本體的時候，就可以用到OWL的本體映射詞匯。回想我們在第二篇文章中提到的Linked Open Data，如果沒有OWL，我們將無法融合這些知識圖譜。
<http://www.zhangsan.com/ontology/Person> rdf:type owl:Class . <http://www.lisi.com/ontology/Human> rdf:type owl:Class . <http://www.zhangsan.com/ontology/Person> owl:equivalentClass <http://www.lisi.com/ontology/Human> .
更多的OWL詞匯和特性請參考[W3C官網文檔](OWL Web Ontology Language Overview)。
接下來我們談一下OWL在推理方面的能力。知識圖譜的推理主要分為兩類：基於本體的推理和基於規則的推理。
我們這里談的是基於本體的推理。讀者應該發現，上面所介紹的屬性特征詞匯其實就創造了對RDF數據進行推理的前提。此時，我們加入支持OWL推理的推理機（reasoner），就能夠執行基於本體的推理了。RDFS同樣支持推理，由於缺乏豐富的表達能力，推理能力也不強。舉個例子，我們用RDFS定義人和動物兩個類，另外，定義人是動物的一個子類。此時推理機能夠推斷出一個實體若是人，那么它也是動物。OWL當然支持這種基本的推理，除此之外，憑借其強大的表達能力，我們能進行更有實際意義的推理。想象一個場景，我們有一個龐大數據庫存儲人物的親屬關系。里面很多關系都是單向的，比如，其只保存了A的父親（母親）是B，但B的子女字段里面沒有A，如下表。
如果在只有單個關系，數據量不多的情況下，我們尚能人工的去補全這種關系。如果在關系種類上百，人物上億的情況下，我們如何處理？當進行關系修改，添加，刪除等操作的時候，該怎么處理？這種場景想想就會讓人崩潰。如果我們用inversOf來表示hasParent和hasChild互為逆關系，上面的數據可以表示為：
綠色的關系表示是我們RDF數據中真實存在的，紅色的關系是推理得到的。通過這個例子，相信讀者應該初步了解了OWL的推理功能和能力。
目前，OWL的最新版本是OWL 2，在兼容OWL的基礎上添加了新的功能，有興趣的讀者可以查閱W3C文檔。另外，OWL 2包含了三個標准，或者三種配置（Profile），它們是OWL 2完整標准（OWL 2/Full）的一個子集。讀者目前不用考慮它們之間的差別，只有當我們要用到OWL自動推理功能的時候才需要考慮到底使用哪一種配置。且在大多數情況下，我們需要知道哪種配置才是最合適的。下面簡單說說它們使用的場景：
1. OWL 2/EL 使用場景：本體結構中有大量相互鏈接的類和屬性，設計者想用自動推理機得到里面復雜的關系。
2. OWL 2/QL 使用場景：有大量的實例數據。OWL 2 QL本體可以被改寫為SQL查詢，適用於使用OBDA（ontology based data access）的方式來訪問關系數據庫。也就是說我們不用顯式地把關系數據庫中的數據轉為RDF，而是通過映射的方式，將數據庫轉為虛擬RDF圖進行訪問。
3. OWL 2/RL 使用場景：需要結合基於規則的推理引擎（rule-based reasoning engine）的場合。