Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.

https://github.com/Pelhans/Z_knowledge_graph

Bulding kg from 0
https://github.com/Pelhans/Z_knowledge_graph

Last synced: 10 days ago
JSON representation

Bulding kg from 0

Lists

README 

        
# Z_knowledge_graph

从零开始的知识图谱生活，构建一个百科知识图谱，并用它完成一些简单的任务。



个人入门知识图谱过程中的学习笔记，算是半教程类的，指引初学者对知识图谱的各个任务有一个初步的认识。目前暂无新增计划。



# 简介

为了构建中文百科类知识图谱，我们参考漆桂林老师团队做的[zhishi.me](http://zhishi.me/)。目标是包含百度百科、互动百科、中文wiki百科的知识，千万级实体数量和亿级别的关系数目。目前已完成百度百科和互动百科部分，其中百度百科词条4,190,390条，互动百科词条4,382,575条。转换为RDF格式得到三元组 128,596,018个。存入 neo4j中得到节点 16,498,370个，关系 56,371,456个，属性 61,967,517个。



![百度百科知识图谱演示](http://pelhans.com/img/in-post/kg_neo4j_cypher/baidu_yanshi.png)



# 资源下载



[百度百科 SQL 文件下载 百度网盘 提取码 1234](https://pan.baidu.com/s/1D-aZdziYdh4FzPGT1lSB4A)



[互动百科 SQL 文件下载 百度网盘 提取码 rza6](https://link.zhihu.com/?target=https%3A//pan.baidu.com/s/1WqDW_trdIXxNBxqT1j733Q)



[百度百科 Neo4j 文件下载 百度网盘 提取码 z6fj](https://link.zhihu.com/?target=https%3A//pan.baidu.com/s/1kUQLIb1TbHsWaIvYp-ncHQ)



[互动百科 Neo4j 文件下载 百度网盘 提取码 kdkt](https://link.zhihu.com/?target=https%3A//pan.baidu.com/s/1Ba9oxM05fgCQw-cadPkhaw)



# 目录

希望在该图谱上尝试应用以下技术：    



* [百度百科与互动百科的知识抽取](http://pelhans.com/2019/01/04/kg_from_0_note7/)    

   * 半结构化数据    

      * 百度百科爬虫   

      * 互动百科爬虫    

   * 非结构化数据

      * 微信公众号爬虫  

      * 虎嗅网爬虫    

* 非结构化文本的知识抽取    

    * [制作类似于NYT的远程监督学习语料--baidu_6w](http://pelhans.com/2019/01/04/kg_from_0_note9/)    

    * [神经网络关系抽取](https://github.com/thunlp/OpenNRE)    

   

* 知识存储    

    * [D2RQ 的使用](http://pelhans.com/2019/02/11/kg_from_0_note10/)    

    * [Jena 的使用](http://pelhans.com/2019/02/11/kg_from_0_note11/)    

* 知识融合    

    * [Silk 实战](http://pelhans.com/2019/02/12/kg_from_0_note12/)    

* KBQA    

    * [基于 REfO 的简单KBQA](http://pelhans.com/2018/09/03/kg_from_0_note3/)    

* 语义搜索

    * [基于elasticsearch 的简单语义搜索 支持实体检索、实体属性检索和条件检索](http://pelhans.com/2018/09/04/kg_from_0_note4/)



# 获取数据

## 半结构化数据



半结构化数据从百度百科和互动百科获取，采用scrapy框架，目前电影领域和通用领域两类。



* 通用领域百科数据：百度百科词条4,190,390条，互动百科词条3,677,150条。爬取细节请见[从零开始构建知识图谱（七）百科知识图谱构建（一）百度百科的知识抽取](http://pelhans.com/2019/01/04/kg_from_0_note7/)    

* 电影领域: 百度百科包含电影22219部，演员13967人，互动百科包含电影13866部，演员5931 人。项目详细介绍请见[从零开始构建知识图谱（一）半结构化数据的获取](http://pelhans.com/2018/09/01/kg_from_0_note1/)



## 非结构化数据



非结构化数据主要来源为微信公众号、虎嗅网新闻和百科内的非结构化文本。



微信公众号爬虫获取公众号发布文章的标题、发布时间、公众号名字、文章内容、文章引用来源，对应 ie/craw/weixin_spider。虎嗅网爬虫 获取虎嗅网新闻的标题、简述、作者、发布时间、新闻内容，对应 ie/craw/news_spider。



# 非结构化文本的知识抽取

## 基于Deepdive的知识抽取    



Deepdive是由斯坦福大学InfoLab实验室开发的一个开源知识抽取系统。它通过弱监督学习，从非结构化的文本中抽取结构化的关系数

据 。本次实战基于OpenKG上的[支持中文的deepdive：斯坦福大学的开源知识抽取工具（三元组抽取）](http://www.openkg.cn/    dataset/cn-deepdive)，我们基于此，抽取电影领域的演员-电影关系。



详细介绍请见[从零开始构建知识图谱（五）Deepdive抽取演员-电影间关系](http://pelhans.com/2018/10/10/kg_from_0_note5/)



## 神经网络关系抽取



利用自己的百科类图谱，构建远程监督数据集，并在OpenNRE上运行。最终生成的数据集包含关系事实18226，无关系(NA)实体对336 693，总计实体对354 919，用到了462个关系(包含NA)。



详细介绍请见[从零开始构建知识图谱（九）百科知识图谱构建（三）神经网络关系抽取的数据集构建与实践](http://pelhans.com/2019/01/04/kg_from_0_note9/)



# 结构化数据到 RDF



结构化数据到RDF由两种主要方式，一个是通过[direct mapping](https://www.w3.org/TR/rdb-direct-mapping/)，另一个通过[R2RML](https://www.w3.org/TR/r2rml/#acknowledgements)语言这种，基于R2RML语言的方式更为灵活，定制性强。对于R2RML有一些好用的工具，此处我们使用d2rq工具，它基于R2RML-KIT。



详细介绍请见[从零开始构建知识图谱（二）数据库到 RDF及 Jena的访问](http://pelhans.com/2019/02/11/kg_from_0_note10/)



![D2RQ 示例](http://pelhans.com/img/in-post/kg_from_0/d2rq_web_view_lemmas.png)



# 知识存储

## 将数据存入 Neo4j



图数据库是基于图论实现的一种新型NoSQL数据库。它的数据数据存储结构和数据的查询方式都是以图论为基础的。图论中图的节本元素为节点和边，对应于图数据库中的节点和关系。我们将上面获得的数据存到 Neo4j中。



百科类图谱请见：[从零开始构建知识图谱（八）百科知识图谱构建（二）将数据存进neo4j](http://pelhans.com/2019/01/04/kg_from_0_note8/)    

电影领域的请见[从零开始构建知识图谱（六）将数据存进Neo4j](http://pelhans.com/2018/11/06/kg_neo4j_cypher/)



# KBQA

## 基于 REfO 的简单KBQA

基于浙江大学在openKG上提供的 [基于 REfO 的 KBQA 实现及示例](http://openkg.cn/tool/eb483ee4-3be1-4d4b-974d-970d35307e8d),在自己的知识图谱上实现简单的知识问答系统。    



详细介绍请见[从零开始构建知识图谱（三）基于REfO的简单知识问答](http://pelhans.com/2018/11/06/kg_neo4j_cypher/)



### 示例

![基于REfO 的 KBQA 示例](http://pelhans.com/img/in-post/kg_from_0/example_REfO_KBQA.png)



# 语义搜索

## 基于elasticsearch 的简单语义搜索

本项目是对浙大的[ 基于elasticsearch的KBQA实现及示例 ](http://openkg.cn/tool/elasticsearch-kbqa)的简化版本，并在自己的数据库上做了实现。



详细介绍请见[从零开始构建知识图谱(四)基于ES的简单语义搜索](http://pelhans.com/2018/09/03/kg_from_0_note3/)



### 示例



![基于elasticsearch的简单语义搜索](http://pelhans.com/img/in-post/kg_from_0/semantic.JPG)