節點表示實體，連邊表示實體和實體之間的關系。
實體包括：概念、實例
構建領域知識圖譜的 四步法 ：
1）領域本體構建
2）眾包半自動語義標注
3）外源數據補全
4）信息抽取
領域本體構建
本體：一種概念化的精確的規格說明；共享概念模型的明確形式化規范說明
構建方法
1）人工（領域專家）構建本體
案例：WordNet
方法：骨架法、TOVE法、SENSUS法、Methontology法、Ontology Development 101法
2）自動構建本體、本體學習
利用知識獲取技術、機器學習技術及統計技術從數據資源中自動地獲取本體知識
方法：OpenIE
本體學習對象的層次：概念、關系、公理
現狀：極少有方法能夠得到覆蓋率和準確率都表現良好的本體
3）半自動構建本體
構建流程
本體構建的基本原則
也即本體中類的設計的獨立性和共享性原則。
獨立性原則：類可以獨立存在，不依賴于特定的領域。
共享性原則：類可以是共享的，有被復用的可能和必要。
最小化原則：本體中包含的類的數據應盡可能最小化，去除冗余的類。
歸納領域概念
領域的核心概念是領域術語的子集，對應本體中的類（owl:Class），每個核心概念都有許多對應實例。
構建方法：
1）統計法
基本假設：
·?領域的核心概念是領域術語的子集，可通過獲取領域術語來獲取領域概念。
· 重要術語在領域相關文檔中出現的頻率相對較高，術語在領域相關文檔中出現的頻率遠高于在普通中出現的頻率；
算法：
· TF-IDF：用于評估一個詞語對于一個語料庫的其中一份文檔的重要程度。核心思想是，一個詞語的重要性隨著它在文檔中出現的次數成正比地增加，但同時隨著它在語料庫中出現的頻率成反比地下降。缺陷是沒有對有聯系的詞語進行綜合考慮。
· TextRank：核心思想與PageRank算法相同，在詞語網絡中詞語的重要程度取決于與它連接的詞語給它的投票數，且票的權重取決于該詞語自己的票數。
2）參考高質量的知識圖譜或數據源
Schema.org：包含語義信息的被各大搜索引擎所支持的html標簽的詞匯表。
DBpedia：大規模通用知識圖譜
Geonames：每個地名都對應featurecode信息
3）眾包半自動語義標注
依據本體構建的基本原則進行修正
定義領域關系及其約束
關系：對領域中的概念、實例之間的相互作用的描述。
關系的重要作用：是本體的核心基本要素；直接決定了知識豐富層級以及基于應用范圍。
定義關系的方法
1）OpenIE法：先進行無監督的批量抽取，再進行過濾。
2）參考質量較高的通用知識圖譜或數據源：參考其領域概念相關的關系列表及標簽
3）根據核心概念和百科信息框來確定關系：通過整合同一概念下多個實例在百科
4）眾包半自動補充關系
本體檢查
領域專家參與，對本體進行檢查評估。
評估內容：核心概念是否合理；每個概念的合理性、必要性，相似概念間的辨析。
語義標注
語義標注：對原始數據做標記，使其包含一定的語義信息，使人和機器都能理解。
存儲方式：嵌入式存儲、獨立存儲
標注格式：JSON-LD、MicroData、RDFa
標注工具：Google結構化數據標記輔助工具、開源語義標注工具Pundit
語義標注的種類
類型標注：將文檔中與本體中概念相對應的詞語標記出來，并將詞語作為概念所對應的實例。
關系標注：找出實例之間存在的與本體中關系相對應的關系，豐富實例的內在信息，通常將實例與實例間的關系表示為三元組。
對語義標注系統的需求
1、標注依據：必須能夠導入本體描述文件，提供基于本體的語義標注功能。
2、標注對象：支持對文本文件、靜態網頁、圖片等文件的標注
3、標注方式：提供類型標注、關系標注
4、本體語言：支持主流的本體語言，如RDF(S)、OWL、XML、DAML+OIL
5、協同式標注：支持大量人員同時在線標注
6、標注審核：支持用戶權限組及控制控制，包括標注人員、審核人員
7、標注溯源：能夠追溯到標注來源的元數據信息。通常采用XPointer計算，根據數據在XML文件中的位置、字符內容、屬性值等特性進行定位。
8）標注數據存儲：可采用Sesame數據庫，進行標注數據存儲。
9）共指消解：遇到相同的實例時，選擇已存在的實例進行標注，從而避免重新生成新的實例造成的實例共指問題。
標注方式
手工標注
定義：標注人員之間將語義數據寫入到標注文檔中
案例、工具：Semantic Wiki、SHOW Knowledge、OntoMat Annotizer
半自動標注
定義：由標注人員制定網頁或網頁中的文本片段，然后由標注人員選擇合適的本體概念（或熟悉）或者由系統自動顯示可選的本體概念（或屬性），最后生成并保存語義標注結果。
案例、工具：
· W3C主導的Annotea，基于RDF的語義標注項目，實現了半自動語義標注工具Amaya，必須在客戶端軟件完成，不適合大規模網頁語義標注。
· SMORE
· Pundit：可以滿足眾包標注過程的標注審核、溯源、共指消解、數據存儲
自動標注
定義：標注工具可以按照預定的規則自動產生并保存語義標注信息。
案例、工具：
· AeroDAML：把常見的概念和關系映射到DAML+OIL本體中的類和屬性
自動標注的質量很難得到保證。
外源數據補全
定義：外部數據源按照領域本體結構處理后得到的與標注數據結構一致的RDF數據。
Geonames知識圖譜
百度百科信息框
中國行政區劃信息
國家統計局網站、民政部網站
信息抽取
擴充數據：指的是利用之前得到的標注數據和外源數據，運用機器學習等方法，從文本中抽取的RDF三元組數據。
文本語料：《中國大百科全書》、百度百科、維基百科
實體抽取
實體抽取：也稱命名實體抽取，是從文本中自動識別出命名實體
實體集擴充：根據種子實體集，從文本中抽取出相同類別的新實體。采用Bootstrapping方法，根據種子實體從文本中抽取出特征模板，然后利用這些模板從文本中抽取出新的實體，再根據新實體從文本中抽取新的特征模板，反復迭代此過程，但存在語義漂移問題。
方法：詞向量法+實體消歧
關系抽取
關系抽取：從文本中抽取出實體和實體之間的關系，將零散的實體聯系起來。
基于規則
基于機器學習
多分類問題，采用Bootstrapping、協同訓練、標注傳播等算法
· 無監督：基于規則的方法（正則模板）、LDA模型（識別文本中隱藏的關系類別信息，用詞袋表示每類關系的特征）
· 有監督：將已有的關系數據作為訓練數據，從文本中抽取相應的三元組。
· 半監督：基于多語言注意力機制的遠程監督方法
屬性抽取
屬性抽取：從文本中抽取出實體的屬性信息（實體和屬性間的一種名詞性關系，可視為關系抽取問題）
參考文獻
《一種準確而高效的領域知識圖譜構建方法》
領域（學科）知識圖譜構建心得???http://www.lxweimin.com/p/f66d7614fb49
