国产一级a片免费看高清,亚洲熟女中文字幕在线视频,黄三级高清在线播放,免费黄色视频在线看

阿里妹導(dǎo)讀本文總結(jié)了我們過去參與的知識圖譜項目中的一般問題和難點，沉淀為體系化的方法論，并針對不同復(fù)雜程度的知識建模問題，進行實操指南。前言過去兩年多的時間，針對螞蟻域內(nèi)業(yè)務(wù)場景和知識體系多樣、復(fù)雜，知識建模成本高導(dǎo)致圖譜項目啟動難的問題，我們提出了一種結(jié)構(gòu)與語義解耦的知識建模及schema設(shè)計方法，并在商家圖譜、事理圖譜、保險圖譜等多個項目中進行實踐。相關(guān)簡化schema設(shè)計及幫助對知識的屬性語義化、標準化的能力已經(jīng)集成到蜘蛛知識平臺。本文總結(jié)了我們過去所工作，沉淀為體系化的方法論，并針對不同復(fù)雜程度的知識建模問題，進行實操指南。說明本指南在背景部分對知識建模的發(fā)展歷程、相關(guān)問題、螞蟻場景下的挑戰(zhàn)進行書錄說明，如果對這部分已經(jīng)清楚或不感興趣可以跳過。在基礎(chǔ)篇、進階篇、高階篇，針對不同業(yè)務(wù)場景的建模需求，由淺及深講解知識建模的方法和案例，并涉及術(shù)語的解釋。本文檔所提出的建模方案，已經(jīng)在蜘蛛平臺做了對應(yīng)的能力支持實現(xiàn)(或開發(fā)迭代中)。獨立于蜘蛛平臺，讀者也可以按本文的方法論對自己的業(yè)務(wù)問題簡化抽象，實施對領(lǐng)域知識的建模及對已有常識圖譜的復(fù)用。如果你對知識圖片已有一定了解或?qū)嵺`，可跳過基礎(chǔ)篇(基礎(chǔ)篇的“屬性語義標化”依然值得一讀)。如果你的圖譜，涉及對業(yè)務(wù)類目體系、常識概念(如“行政區(qū)劃”)的應(yīng)用，請仔細閱讀進階篇。如果你的圖譜，涉及對帶有時空信息的行為事件的表達，或建模場景下的業(yè)務(wù)規(guī)則、專家經(jīng)驗，需要對所定義“概念”的內(nèi)涵和外延有計算機可處理可計算的邏輯語義解釋，高階篇中有你所需知道的一切。由于高階篇的內(nèi)容有一定的閱讀門檻，如果你的場景只需要描述相對靜態(tài)的事實關(guān)聯(lián)，不包含用戶行為、新聞事件的建模，沒有語義推理的需求，可以跳過高階篇，參考基礎(chǔ)篇和進階篇就夠用了。背景知識建模是解決將真實世界中的海量信息轉(zhuǎn)化為符合計算機處理模式的結(jié)構(gòu)化數(shù)據(jù)，其中包括對真實世界中事物的屬性特征及其關(guān)系的共性的抽象，制定表示的規(guī)范，同時兼顧對常識或領(lǐng)域概念及概念層級體系的語義理解，即體現(xiàn)了對知識的認知過程。相關(guān)工作圖1 知識建模方法回顧表1 知識建模方法對比方法特點關(guān)系型數(shù)據(jù)庫用實體及其屬性（關(guān)系也體現(xiàn)為外鍵）對數(shù)據(jù)結(jié)構(gòu)化，不包括語義的建模，容易存在大量的數(shù)據(jù)冗余，多跳跨表查復(fù)雜、效率低。知識工程本體表示：將知識表示為輯符號的形式，構(gòu)建特定領(lǐng)域概念類別及其層級細分關(guān)系，并用一階謂詞邏輯、生產(chǎn)式規(guī)則表示領(lǐng)域?qū)＜医?jīng)驗，支持知識的符合推理。框架(frame)表示：強調(diào)將所描述的每類事物都抽象為出特定的slot-value的結(jié)構(gòu)化表示(例如目前百科詞條就是frame表示)。弊端：人工構(gòu)建成本太高，知識獲取困難。語義網(wǎng)出發(fā)點是用文檔中的數(shù)據(jù)關(guān)聯(lián)+邏輯描述，讓計算機能認識和理解世界萬物。語義網(wǎng)發(fā)展過程中先后制定了基于描述邏輯的DAML、RDF、OWL、OWL2等語言，語義完備性的強調(diào)，成為邏輯學家的游戲，無法工業(yè)化落地。知識圖譜以基本的SPO三元組，表示實體間的事實關(guān)系；但SPO對由多個要素（>2）共同決定的多元關(guān)系表示存在缺陷；圖譜schema的設(shè)計是主觀的，不同圖譜的異構(gòu)導(dǎo)致知識難以對齊融合。事理圖譜將事件以及事件之間的關(guān)系抽取并抽象出來，構(gòu)建描述事件之間演化規(guī)律和模式的事理邏輯知識庫。事件有frame框架表示、verb+nound表示等流派。常識概念圖譜圍繞常識性概念建立的實體以及實體之間的關(guān)系，幫助自然語言文本的理解。涵蓋“是什么”的概念Taxonomy體系結(jié)構(gòu)，“什么樣”的概念屬性關(guān)系，“給什么”的概念承接關(guān)系。知識超圖超圖(Hypergraph)：就是每一個邊可以包含兩個以上的點所構(gòu)成的圖，解決多元知識的表示。?業(yè)務(wù)問題表2 螞蟻域內(nèi)常見建模問題建模問題現(xiàn)有解決方案及不足商家資產(chǎn)等實體-關(guān)系schema設(shè)計??●無論是ER建模、本體、rdf、owl，都只是語法定義，不解決“設(shè)計模式”本身的問題。●schema設(shè)計啟動難，難以決策屬性/關(guān)系的設(shè)計、實體類型的劃分。●schema的設(shè)計是主觀的，導(dǎo)致不同圖譜間知識的異構(gòu)性（數(shù)據(jù)結(jié)構(gòu)不同），阻礙知識的復(fù)用。常識、領(lǐng)域結(jié)構(gòu)化語義理解?●不同業(yè)務(wù)有各自體現(xiàn)業(yè)務(wù)語義的類目體系，同時螞蟻域內(nèi)的場景也涉及對常識的理解●傳統(tǒng)的本體建模，在同一個分類體系上，既要對schema的擴展建模，又要對語義上的細分類建模，數(shù)據(jù)結(jié)構(gòu)定義和語義建模的耦合，導(dǎo)致工程實現(xiàn)及維護管理的復(fù)雜性，也增加了業(yè)務(wù)梳理和表示(認知)領(lǐng)域知識的困難。跨圖譜融合場景???●不同業(yè)務(wù)部門構(gòu)建圖譜時先專注于自身領(lǐng)域的知識建模，但隨著業(yè)務(wù)的開展，需要引入其他領(lǐng)域的知識。●跨圖譜融合，解決提高數(shù)據(jù)的復(fù)用性、提升數(shù)據(jù)治理能力，減少數(shù)據(jù)冗余重復(fù)及幫助發(fā)掘業(yè)務(wù)價值拓展。●需要對領(lǐng)域內(nèi)有共有的實體，如：用戶、商家、POI等，提供統(tǒng)一的schema規(guī)范，并對域內(nèi)常識或公用類目，如：行政區(qū)劃、mcc類目等，沉淀為通用語義資產(chǎn)。保險、黑產(chǎn)等業(yè)務(wù)邏輯表達需求??●保險產(chǎn)品運營、保險健告、黑產(chǎn)洞察等場景有著豐富的業(yè)務(wù)邏輯、業(yè)務(wù)規(guī)則沉淀●需要支持業(yè)務(wù)規(guī)則、專家經(jīng)驗的形式化表達及推理能力●一階謂詞、dsl等，對用戶有門檻，業(yè)務(wù)規(guī)則較多時，需要有更簡潔、快速的對規(guī)則建模的方法用戶行為建模場景????多元關(guān)系建模問題●用戶行為、金融事件、業(yè)務(wù)狀態(tài)流，都可以抽象為多元時空行為事件建模●spo三元組表達多元關(guān)系是有損的●超圖結(jié)構(gòu)的理解，對于非算法用戶有學習門檻，難以直接可視化●行為時間事件之間，本身存在著時序、因果、共現(xiàn)的等關(guān)系事理圖譜及事理關(guān)系建模??已有的研究或工作，都只解決了事件圖譜、事理（概念）圖譜或事理常識中特定一類的表示，螞蟻場景中需要對從實例到概念，從事實到常識的整體架構(gòu)●每種事件的實例需要frame表示●事件概念體系需要本體表示●事件實例之間的事實關(guān)系需要spo表示●事件概念之間的順承、因果等需要邏輯表達?方案概述本體是偏哲學的學術(shù)概念，指“特定領(lǐng)域之中某套概念及其相互之間關(guān)系的形式化表達（formal representation）”。在知識工程、語義網(wǎng)時代，都用本體建模指代知識建模，利用rdf、owl等規(guī)范的語言，核心定義嚴格完備的邏輯。但這套方法不適合大數(shù)據(jù)時代知識的多樣性、跨領(lǐng)域復(fù)雜性，無法滿足數(shù)據(jù)的便捷迭代生產(chǎn)。我們認為，“本體”在知識圖譜建模階段，存在誤用。換言之，知識圖譜建模，不需要“本體”，而應(yīng)該關(guān)注數(shù)據(jù)結(jié)構(gòu)上的“元數(shù)據(jù)”的定義，以及知識語義關(guān)聯(lián)的標簽概念體系及概念網(wǎng)絡(luò)。基于MOF四層元模型框架，我們提出知識認知建模方法論，串聯(lián)了知識建模、知識生產(chǎn)、知識管理應(yīng)用的全生命周期流程。其中，元元概念指所定義的建模規(guī)范，如本文提出的MOF建模標準中的實體、概念、關(guān)系等建模要素就是元元概念，“元概念”對應(yīng)定義實體類型的schema，是對擁有同樣數(shù)據(jù)結(jié)構(gòu)的知識的結(jié)構(gòu)化定義，如“商家schema”、“事件schema”；“概念”是對實體的語義細分，如“螞蟻商家”、“外賣商家”，“白酒板塊事件”、“螞蟻高管變化事件”；實例對應(yīng)于現(xiàn)實中一個具體的事實，一般是ID化的，如id為2088xxxx的A空間肯德基商戶。圖2 MOF知識建模方法?提供統(tǒng)一的數(shù)據(jù)結(jié)構(gòu)抽象及本體語義建模方法論，規(guī)范圖譜“設(shè)計模式”，降低知識認知的主觀偏差解決schema設(shè)計難、啟動成本高問題；提出概念語義建模框架，將知識的結(jié)構(gòu)化表示與語義常識建模解耦，并用等價謂詞表達式支持概念的邏輯表示和推理，降低認知復(fù)雜度和工程實現(xiàn)難度；定義核心實體schema及沉淀通用語義概念體系，幫助解決多元異構(gòu)知識的跨域融合；定義多元關(guān)系、邏輯規(guī)則、事理關(guān)聯(lián)的建模方法，滿足復(fù)雜業(yè)務(wù)場景知識表達的需求。?基礎(chǔ)篇·實體關(guān)系設(shè)計解決問題解決數(shù)據(jù)的結(jié)構(gòu)化表示，包括實體各屬性字段的規(guī)范定義，及設(shè)計實體間的關(guān)系，以便將數(shù)據(jù)最終構(gòu)建為有別于傳統(tǒng)數(shù)據(jù)表的圖結(jié)構(gòu)形式，便于基于路徑的多跳關(guān)系查找。適用場景業(yè)務(wù)場景關(guān)注于靜態(tài)的，體現(xiàn)物理世界或業(yè)務(wù)流中客觀存在的“事實知識”;已有結(jié)構(gòu)化數(shù)據(jù)為主（實體表、關(guān)系表、用戶行為數(shù)據(jù)等）的數(shù)據(jù)資產(chǎn);已有數(shù)據(jù)資產(chǎn)及業(yè)務(wù)場景，能夠抽象出傳統(tǒng)ER關(guān)系圖的數(shù)據(jù)建模，可以直接套用實體-關(guān)系-屬性的建模范式；業(yè)務(wù)對實體的類型存在劃分，如對用戶的細分或?qū)ι虘?、門店的細分；這種細分類是有限的（一般只有兩三種），每種細分有特定的屬性（如線下門店才有poi）。業(yè)務(wù)對實體特定屬性有枚舉描述，如“商戶評級 = [S, A，B，C]”，業(yè)務(wù)應(yīng)用只需要使用確定值將數(shù)據(jù)查出來，但不需要基于屬性傳播。術(shù)語定義SchemaSchema是知識的“元數(shù)據(jù)”表達方式，定義了知識的概念的屬性，關(guān)系，屬性及約束。主要實現(xiàn)了實體的結(jié)構(gòu)化和實體間的關(guān)系的定義。實體物理世界或數(shù)字世界存在的事物是一個實體，實體對應(yīng)于數(shù)據(jù)表中的一行記錄。實體類型，即實體的“schema”。它是對具有共同數(shù)據(jù)結(jié)構(gòu)（特征）的一類數(shù)據(jù)實例的“元數(shù)據(jù)”模式定義。因此每一個實體類型，都有自身特定的schema。同時，實體類型存在上下位關(guān)系，通過繼承，下位類擁有上位類已定義的屬性和關(guān)系及其約束。在知識圖譜平臺中，實體類型用于對具有共同數(shù)據(jù)結(jié)構(gòu)的個體進行分組管理?？梢詫嶓w類型理解為，對知識結(jié)構(gòu)化表示的語法規(guī)范。如下表所示，是對自然人的schema定義。自然人模型（Person）示意屬性英文名屬性中文名屬性類型屬性值是否必填ididString12345xxx是name姓名String張三是certId證件號String330121xxx否certType證件類型枚舉類型身份證否birthday出生日期時間類型20230215否gender性別String男否occupation職業(yè)String白領(lǐng)否..............................?關(guān)系描述實體-實體間的關(guān)聯(lián)。在基礎(chǔ)的實體關(guān)系設(shè)計時，只考慮滿足SPO(Subject-predicate-Object)表示的二元關(guān)系，既兩個實體間確定的關(guān)系。如定義一個關(guān)系：公司-法人->自然人，“法人”是關(guān)系謂詞，關(guān)系主體是“公司”這種實體類型，客體是“自然人”；注意，關(guān)系是有向的，則一個“公司”的實例擁有一個出邊到確定的“自然人”，且該自然人是這個公司的法人。自然人相關(guān)關(guān)系定義SubjectPredicateObject是否唯一Company法人Person是Person好友關(guān)系Person否Person夫妻關(guān)系Person是Person居住地POI否........................屬性語義標化屬性 vs 關(guān)系在實體-關(guān)系建模時，對于實體的特性字段，到底應(yīng)該建模為屬性，還是應(yīng)該將特征key構(gòu)建為關(guān)系，特征值(value) 建模為實體，設(shè)計者經(jīng)常陷入兩難的抉擇。例如：在對商戶建模的典型場景，一般商戶會有關(guān)聯(lián)的PID，在關(guān)系型數(shù)據(jù)表（odps）中，PID是一個id字段，pid本身也沒有特別的屬性，為了挖掘同pid的商戶、發(fā)現(xiàn)用戶對商戶的消費行為，pid應(yīng)該建模為實體，但Pid沒有任何屬性，這樣做合適嗎？在例如對于商戶的發(fā)貨地址、所在省市區(qū)等特征，在數(shù)據(jù)表中一般是個string。但為了同地址、同地區(qū)的發(fā)現(xiàn)，甚至特定業(yè)務(wù)場景本來就有地址實體庫。那么就需要對地址屬性建模為關(guān)系了。但這帶來兩個問題：1.商戶的發(fā)貨地址、用戶的收貨地址可能存在變動，特別是用戶收貨地址，在圖譜中維護時，需要在新增地址時，把歷史地址邊刪除；2. 對于所屬省、所屬城市、所屬區(qū)等，若都建為實體拉邊，將造成“熱點”(即某個點有巨量的邊)，為路徑推理、采樣帶來困難。??屬性：易維護(值覆蓋)、存儲量小、不傳播，難以發(fā)現(xiàn)關(guān)聯(lián)（屬性值相同的實體并沒有顯式的關(guān)聯(lián)）關(guān)系：有維護成本（修改需要刪邊再拉邊）、儲存量大、可傳播(可加強圖結(jié)構(gòu)，發(fā)現(xiàn)節(jié)點間的共邊關(guān)系)、同關(guān)系類型的邊過多(例如，明星的社交關(guān)系，作為關(guān)注者只有幾百條邊，作為被關(guān)注者有千萬級的邊)，對圖學習的關(guān)系采樣帶來干擾(對圖譜中的“熱點”，若采樣策略為不限定邊類型但對鄰邊限定數(shù)量隨機采樣時，可能采到的都是數(shù)量大但重要性不大的點)屬性標化為解決上述的屬性/關(guān)系難以抉擇，及提高知識管理的效率及降低存儲壓力，我們提出一種基于屬性語義標化的建模方法，并在蜘蛛產(chǎn)品功能上已經(jīng)交付可用。???屬性語義標化能力體現(xiàn)為：用戶在實體建模時，不必糾結(jié)實體特征需要定義為屬性or關(guān)系，統(tǒng)統(tǒng)建模為屬性；在屬性類型選擇時，除了int、float、text三種基本類型外，提供具有語義傳播能力的語義類型(如內(nèi)置的概念類型、內(nèi)置的標準屬性類型、用戶自定義的實體類型或概念類型等)在實例數(shù)據(jù)生產(chǎn)時，用戶當作屬性維護（如屬性一樣做知識導(dǎo)入的字段映射，屬性值修改直接覆蓋根據(jù)所選擇的屬性語義標化類型，根據(jù)所填充的屬性值語義（以文本匹配、id匹配的方式）系統(tǒng)自動構(gòu)建“虛擬邊”；系統(tǒng)自動創(chuàng)建及維護的虛擬邊，在查詢效率、圖算法鄰邊采樣時，與用關(guān)系建模、關(guān)系導(dǎo)入生產(chǎn)的物理邊效果一致；當語義屬性為多值時（如一個user擁有多個手機號碼），用英文逗號分割。注意：對于實體的某特征，值是有限個（一般<10，如關(guān)聯(lián)郵箱、所屬業(yè)務(wù)類目、銀行賬戶等），可以用屬性語義標化建模來簡化知識的管理維護。當特征值數(shù)量極大時（如：用戶-消費->小程序id）,依然建議使用關(guān)系建模。表3 屬性語義標準化類型屬性類型類型細分屬性定義用法及示例內(nèi)置類型概念類型通識概念一個描述常識分類體系的樹狀知識庫，現(xiàn)覆蓋17個大類的2W+常識概念。當實體的類型需要細粒度的分類，且該實體的細分類可以用常識知識體系描述時，定義描述實體細分類的屬性（如：對于BaikeEntry定義了子類型 subType），并將屬性類型選擇為“內(nèi)置類型-概念類型-CKG.AntTermType”。知識生產(chǎn)時，對實體實例的subtype賦值為常識知識樹上任意的概念的文本名稱，則平臺自動將該屬性轉(zhuǎn)為一個 BaikeEntry-subtypestd->常識概念 的邊。則細粒度一樣的 BaikeEntry在圖結(jié)構(gòu)上能夠擁有共同的概念節(jié)點鄰居（如姚明、易建聯(lián)都是“籃球運動員”）??行業(yè)類目●MCC類目●POI類目●門店類目等●蜘蛛平臺上集成維護了螞蟻域內(nèi)常用的MCC2.0、高德POI類目和門店類目●以往對相關(guān)商戶、門店、POI/AOI實體建模時，業(yè)務(wù)往往用多個字段維護各級類目的code和名稱●現(xiàn)在對實體-特定類目的信息維護，只需定義一個屬性（如定義一個“所屬類目”屬性），并將屬性類型選擇為“內(nèi)置類型-概念類型-具體的某個類型體系”。●知識實例生產(chǎn)時，將屬性值填充為類目的code或名稱(一般是葉子節(jié)點的類目)，則平臺能力可以追溯類目的上級路徑，并自動拉邊，關(guān)聯(lián)具有同類目的實體實例。●同時，平臺提供存量遷移的能力，對于歷史遺留的相關(guān)屬性，也能夠遷移為語義標化屬性，如圖為對螞蟻POI庫進行的遷移維護。??內(nèi)置類型標準語義類型（編碼id相關(guān)）虛擬地址●郵箱●網(wǎng)址等●手機號碼●Mac地址●國內(nèi)電話號碼●……這類屬性標化類型是指，用戶選擇特定的“內(nèi)置類型-標準語義類型-特定可傳播的標準id類型”，則實例數(shù)據(jù)生產(chǎn)時，屬性字段值填寫對應(yīng)的id、url、電話號碼等(多值用英文逗號分隔)，平臺提供：●正則檢測：平臺會對郵箱、手機號碼、國內(nèi)號碼、銀行賬戶、2088賬戶等，對所填編碼的邏輯格式進行正則檢測●ID鏈指：平臺會對每個語義類型下，每個存在的id構(gòu)建一個虛擬節(jié)點，并按照實例知識中實體-id的屬性值，構(gòu)建實體與該id所屬虛擬節(jié)點的邊關(guān)系；這項機制能夠幫助用戶發(fā)現(xiàn)及可視化同id、同電話號碼、同郵箱的實體。???ID屬性●身份證號碼●2088賬號●支付寶PID●銀行賬戶●螞蟻POI●……內(nèi)置類型標準語義類型（時間相關(guān)）時間戳1665476056時間標準化及時間的計算比較時間區(qū)間[起始時間,結(jié)束時間]時間戳是否落入時間區(qū)間的檢測，蜘蛛能力待開發(fā)時間間隔●一天●一年●24小時等判斷兩個時間戳是否滿足時間間隔，蜘蛛能力待開發(fā)內(nèi)置類型標準語義類型（空間類型）行政區(qū)劃國家-省-市-區(qū)四級（目前僅支持中國行政區(qū)）●蜘蛛平臺集成了四級標準行政區(qū)劃類目●以往業(yè)務(wù)為了表示結(jié)構(gòu)化的標準多級地址，一般會構(gòu)建國家編碼/國家、省編碼/省、市編碼/市、區(qū)編碼/區(qū)，共8個屬性字段，存在著屬性的冗余儲存。且plain text的文本屬性，不利于快速的發(fā)掘同地區(qū)的實體。●利用語義標化，將表達實體行政區(qū)域特性的屬性，類型選擇為“內(nèi)置類型-概念類型-行政區(qū)劃”，數(shù)據(jù)生產(chǎn)時，將屬性值填充為能夠識別到的最細粒度的行政區(qū)劃單位（平臺提供兜底默認算子，幫助地址的結(jié)構(gòu)化理解及標準化）●通過語義標化鏈指能力，對于填充的行政區(qū)劃屬性值，其上級類目是可追溯的（如所在區(qū)縣為“西湖區(qū)”時，西湖區(qū)-位于->杭州市-位于->浙江省-位于->中國，是已維護在“行政區(qū)劃”類目樹上的）●平臺能夠自動拉邊，維護實體(如poi、aoi、門店等)到特定省、市、區(qū)縣的關(guān)系，并實現(xiàn)不同粒度下所屬行政區(qū)劃的查詢。???經(jīng)緯度坐標點(Position)(經(jīng)度,緯度)同POI計算發(fā)現(xiàn)（球面距離小于epsilon），蜘蛛能力待開發(fā)?經(jīng)緯度范圍(Position1，Position2）地理區(qū)塊四邊形（左上-右下坐標）判斷一position是否在該范圍內(nèi)，蜘蛛能力待開發(fā)自定義屬性類型實體/概念平臺內(nèi)置的概念類目體系、可傳播的語義屬性類型，無法完全滿足特定業(yè)務(wù)的建模需要；因此，用戶可以將屬性類型賦值為“內(nèi)置類型-自定義屬性類型”，則在高級配置頁面，選擇將屬性標準化為自定義的一個實體類型(默認用id鏈指)或概念類型(默認用概念名稱鏈指)。如果所示，對于“公司事件”實體，擁有兩個語義標準化屬性的應(yīng)用——1.公司id，選擇為“工商機構(gòu)”實體，則能夠利用平臺id鏈指能力自動拉邊到確定的“工商機構(gòu)”實例；2.事件類型標簽，定義為“概念事件”(業(yè)務(wù)自定義的一套為金融事件分類體系，概念建模詳見進階篇)，則能夠利用平臺的概念標化鏈指能力自動拉邊掛載到“概念事件”樹。???其他待開發(fā)的屬性數(shù)量類型數(shù)額●度量/指標類型+數(shù)值表示●對度量/指標類型標準化●同一數(shù)量類型的比較●區(qū)間數(shù)值合法性檢驗指標區(qū)間數(shù)值屬性●年齡●年份建模步驟及案例實體關(guān)系設(shè)計，是為具有同樣結(jié)構(gòu)化特性(即有同樣的特征要素)的實體定義的實體類型的schema，并建立實體類型間的關(guān)系。實體schema包含實體類型的命名、屬性定義、屬性類型及屬性值的約束，關(guān)系schema約束關(guān)系主體和關(guān)系客體的實體類型。我們推薦在啟動一個新的圖譜項目時，按照以下步驟進行實體-關(guān)系建模：1. CoreKG schema復(fù)用schema的設(shè)計具有主觀性，為了消除這種主觀偏差，特別是降低跨圖譜知識融合的復(fù)雜性，我們從過去的業(yè)務(wù)圖譜設(shè)計經(jīng)驗中，總結(jié)了螞蟻場景下常見的實體類型schema，并商家到corekg核心圖譜；當業(yè)務(wù)涉及到這些實體數(shù)據(jù)時，可以直接對實體schema及數(shù)據(jù)引用/復(fù)用，減少重復(fù)建設(shè)，快速啟動新的圖譜項目。如果為了業(yè)務(wù)安全/數(shù)據(jù)隔離等的考慮，業(yè)務(wù)需要自定義及構(gòu)建自己的實例數(shù)據(jù)，我們也推薦對于corekg已有的實體類型，用戶可以對其schema設(shè)計，特別是屬性的定義和命名參考借鑒。圖3 corekg核心實體定義?2. 實體關(guān)系設(shè)計參考corekg中已有實體的schema，針對業(yè)務(wù)問題及數(shù)據(jù)，構(gòu)建業(yè)務(wù)所需實體定義。比如前文所述對螞蟻用戶定義的自然人模型，包括"姓名(name)"、"年齡(age)"、"身份證號(certNo)"、"家庭住址(homeAddr)"等基礎(chǔ)屬性，此外，定義"Person-好友關(guān)系-Person"、"Person-夫妻關(guān)系-Person"等關(guān)系。自然人模型（Person）示意屬性英文名屬性中文名屬性類型屬性值是否必填ididString101xxx是name姓名String張三是certId證件號String330121xxx否certType證件類型枚舉類型身份證否birthday出生日期時間類型20230215否gender性別String男否occupation職業(yè)String白領(lǐng)否..............................??不同業(yè)務(wù)因領(lǐng)域模型不同會有自己的業(yè)務(wù)知識，比如同樣一個用戶，由于歸屬的業(yè)務(wù)不同，在螞蟻會存在"支付寶用戶(AlipayUser)"、"財富用戶(FortuneUser)"、"網(wǎng)商用戶(MyBankUser)"、"保險用戶(BaoxianUser)"等用戶模型，雖然這些用戶模型背后指向的是同一個自然人模型，但在不同業(yè)務(wù)域有新增的屬性字段，則利用schema的繼承復(fù)用已定義的屬性/關(guān)系約束，并在此基礎(chǔ)上擴展新的特性。支付寶用戶模型（AlipayUser）示意屬性英文名屬性中文名屬性類型屬性值是否必填idAlipayId編碼類型2088是name姓名String張三否memLevel會員等級枚舉類型黃金會員否shoppingPref購物偏好物品概念小吃否..............................?用戶統(tǒng)一模型示意對于不同業(yè)務(wù)實體歸屬同一主體的情況，一是可以在Schema層歸類到統(tǒng)一實體模型上（深度繼承），二是可以在數(shù)據(jù)層在相同實例之間增加isA或sameAs謂詞關(guān)系（實體融合），達到主體分類一致的目的。3. 語義標準化參考“屬性語義標化”章節(jié)的內(nèi)容，優(yōu)化屬性/關(guān)系的定義，將可以標化的屬性選擇為標準屬性類型，對于適用id鏈指/概念鏈指的關(guān)系，轉(zhuǎn)化為語義屬性。例如，由于夫妻關(guān)系是唯一的，則可以將夫妻關(guān)系建模為語義屬性。而朋友關(guān)系是多對多的，一個人可能有上百個朋友，因此依然用關(guān)系建模朋友關(guān)系。進階篇·概念語義建模解決問題在知識圖譜中，除了知識的元數(shù)據(jù)定義（即schema），通用常識和領(lǐng)域知識的語義關(guān)系、常識/業(yè)務(wù)類目的分類體系，體現(xiàn)了對語義的認知。為了將語義建模與知識的結(jié)構(gòu)化表示解耦，我們提出的方案是用“概念語義建?！眮韺ΤＷR概念及常識關(guān)系建模，對特定領(lǐng)域知識的認知體系和經(jīng)驗規(guī)則建模。如圖4所示，在概念建模中，構(gòu)建對常識/特定實體類型的分類體系。Root節(jié)點，代表“常識知識樹”的根結(jié)點，在這棵概念樹上，我們預(yù)定義了17種實體的分類體系，如“角色”、“物體與物品”、“組織機構(gòu)”、“品牌”、“事件”都是一個“元概念”（即一個分類體系的根結(jié)點），每個元概念作為起點的子樹，定義了對該類實體的語義細分，目前螞蟻知識樹上已經(jīng)有超過2W+的節(jié)點。此外，在常識概念圖譜中，我們還集成了高德poi類目、意圖圖譜、mcc2.0行業(yè)類目、行政區(qū)劃概念樹、hownet義原語義網(wǎng)絡(luò)，作為跨領(lǐng)域可插拔的常識語義認知系統(tǒng)，幫助各個業(yè)務(wù)圖譜深度實體類型理解及屬性語義標準化。例如對于圖中所示的描述服務(wù)內(nèi)容結(jié)構(gòu)化理解的領(lǐng)域圖譜，在領(lǐng)域圖譜中，小米10-手機類型->“智能機”，“智能機”是結(jié)構(gòu)化抽取到的spo mention，通過概念鏈指標準化到知識樹上的概念“智能手機”，則通過知識樹的可追溯鏈路，能夠知道小米10同時也屬于手機、數(shù)碼產(chǎn)品、電子電器產(chǎn)品。同時，為了保障語義的內(nèi)聚性，盡量為用戶提供簡潔的描述并加強信息間的關(guān)聯(lián)，“概念”也提供對關(guān)系謂詞（即屬性名稱、關(guān)系名稱）標準化的能力。如“所屬公司”這個謂詞，其實約束了尾節(jié)點的實體是一個公司。圖4 概念語義建模適用場景除了將圖譜當作一個能具備增刪改查功能的數(shù)據(jù)庫，還希望對業(yè)務(wù)邏輯、領(lǐng)域經(jīng)驗進行管理；對文本屬性，不只是作為“符號”，還希望能理解文本背后的語義，挖掘知識間的隱含關(guān)聯(lián)；業(yè)務(wù)上對實體定義了非常詳細的分類類目，一般這種類目是以樹狀形式組織的；實體的屬性字段的值是行政區(qū)劃、職業(yè)、行業(yè)類型等常識術(shù)語，并希望這些屬性在圖上是“可傳播”的（即通過這個值，可能關(guān)聯(lián)擴散到其它擁有同樣值的屬性節(jié)點），這些常識術(shù)語本身有層級蘊含關(guān)系（如：位置在西湖區(qū)，則一定也位于杭州市）業(yè)務(wù)定義的類目，不僅僅是一個用來區(qū)分實例的標簽值，還存在背后的定義邏輯（如：活躍人群 = 過去30天支付寶訪問超過1次的user）希望表達領(lǐng)域常識(程序員有夜間出行偏好)并應(yīng)用，而不是記錄具體實例的事實(行為事實：小螞在x年x月x日晚上21:00在A空間打車；偏好事實：小螞的“偏好屬性”字段被打上了“夜間出行偏好”)。術(shù)語定義概念把所感知的事物的共同本質(zhì)特點抽象出來，加以概括，是自我認知意識的一種表達，形成概念式思維慣性。概念的意思：思維的基本形式之一，反映客觀事物的一般的、本質(zhì)的特征。概念建模，期望通過對實體分類體系和基于common sense的通用語義元素的定義，并以樹狀層級體系進行組織，自頂向下的體現(xiàn)實體語義的細分。其中我們將滿足以下任意一個特性的短語定義為一個概念（concept）。?圖5 概念是什么元概念meta-concept，即概念的概念，在蜘蛛上是指用來組織一個特定概念體系的規(guī)范。元概念定義，就是根據(jù)對特定領(lǐng)域/業(yè)務(wù)的認知或常識，定義該類型概念的結(jié)構(gòu)，約定概念的屬性、層級結(jié)構(gòu)及表達層級結(jié)構(gòu)的語義謂詞。當我們需要在語義上對實體類型細分時，實體類型的schema可以對應(yīng)一個元概念，以表現(xiàn)對該類型實體類型的分類體系。例如圖四中的“角色”、“物體與物品”、“組織機構(gòu)”、“品牌”、“事件”都是“元概念”，定義了對特定實體的語義細分體系。概念 VS. 實體表4 概念和實體的區(qū)別概念實體什么是概念●概念是對具有同樣特征的實例的抽象，是語義上/認知上能夠被“歸類”為同一類型的實例的集合。●概念是符號化的，但領(lǐng)域內(nèi)的人對它這個符號的語義是有共識的。●概念帶有領(lǐng)域/業(yè)務(wù)/常識的主觀或經(jīng)驗，是人為定義的，概念的內(nèi)涵/語義是相對恒定的。●概念的符號體現(xiàn)了自身的語義，概念之間構(gòu)建的語義關(guān)系邊 (白酒板塊事件 -涉事產(chǎn)品-> 白酒，白酒-原料->糧食，豬瘟疫情事件-影響->豬肉價格上漲，形成了描述領(lǐng)域常識的語義網(wǎng)絡(luò)。以上舉例的三元組中的S和O都不是具體的、特定的實例，而是對同一類實體，及同類實體所具備共有特性的概括)○可以先簡單粗暴的認為，“概念”是沒有“屬性”的（除了編碼、別名、描述）○事件抽取出的mention，無法與實體庫對齊的文本類型要素（非時間、非數(shù)值），都可以認為是概念●實體類型，是對擁有同樣數(shù)據(jù)結(jié)構(gòu)/論元要素的數(shù)據(jù)的定義●實體實例，是id化的，唯一存在的實例。●實體是客觀的存在，實體的特征是動態(tài)變化的。●實體擁有特異的屬性/關(guān)系定義。例如：某個事件的發(fā)生事件、地點、主體、客體；某部手機的型號、屏幕、尺寸、內(nèi)存等參數(shù)。什么應(yīng)該被定義為概念●類目概念：對具有同樣特征的一類實體的語義抽象，可以來自業(yè)務(wù)類目、領(lǐng)域的taxonomy，比如POI類目、MCC類目等。●常識概念：在特定領(lǐng)域(元概念)下，人們有共識的無歧義短語，比如杭州市、手機、中秋節(jié)。●原子概念：一般存在于L0-L2級的概念，概念名是不可拆分的表達完整語義的核心詞，一般直接來源于領(lǐng)域常識術(shù)語。如：產(chǎn)業(yè)鏈事件、芯片、有色金屬。業(yè)務(wù)類目、領(lǐng)域的分類體系(職業(yè)分類、企業(yè)分類、品類、產(chǎn)業(yè)分類、NER_Label、實體類型、屬性名稱、邊關(guān)系類型、人群標簽、星座、血型、人種、民族、學歷、獎項、各種title，都是概念?！?div style="height:15px;">