知识图谱的含义与基础

1.1 操作性定义

知识图谱是对实体及实体之间关系的结构化表示，其组织方式能够支持解释、整合、查询和推断。本报告采用这一定义，不把某一种存储格式当作普遍定义。有用的图谱可以描述人物与机构、组件与依赖、基因与生物过程，或文档与主张。研究对象既可以是具体事物，也可以是抽象、变化、存在争议或仅被部分观察的事物。关键在于，图谱必须传达足够明确的含义，使目标使用者能够一致地解释其中的连接。

Hogan等人将图数据模型、查询、验证、表示与推理视为知识图谱相互联系的方面加以综述[1]。Ji等人则围绕表示学习、获取与补全、时序知识及应用组织研究[2]。这些综述展示了领域的广度：有些研究群体强调形式语义与互操作，有些强调学习得到的表示、大规模信息抽取或应用效果。因此，报告必须明确自身假设，因为同一个“知识图谱”名称可能指向保障能力差异很大的系统。

设有三条记录：某文档将“M. Chen”列为作者，机构名录记录“Mei Chen”，实验日志则使用“研究者042”。如果有充分证据支持身份认定，知识图谱可以把这些记录关联到同一个人，再把该人与论文和实验相连。收益不在于把信息画成圆圈和连线，而在于系统能够跨记录提问，同时保留认定这些记录指向同一人的依据。

这一定义并不要求图谱包含全部人类知识、由系统自动生成，或采用特定数据库。对聚焦任务而言，经过认真维护的数百条研究主张，可能比身份识别薄弱的大型实体集合更有用。规模会改变工程要求，却不能替代语义清晰度。图谱也不必使用所有本体功能；有限而一致的词汇，加上稳定身份与溯源记录，就可能成为实用系统的良好基础。

1.2 实体 关系与陈述

实体是系统决定持续识别的对象，节点则是实体或其他建模对象的一种表示。两者相关但不可互换：同一实体可能对应多个尚未消歧的节点；节点也可能表示文档片段、断言或事件，而非实物。关系类型说明连接预期表达的意义，一条具体的边则实例化这种连接，并可能带有附加属性。

三元组是一种常见陈述形式，由主语、谓语和宾语组成。例如“论文P使用方法M”标识主语、命名关系并标识宾语。在RDF中，图是三元组集合；主语可以是IRI或空白节点，谓语是IRI，宾语还可以是字面量。数据集可以组织默认图与命名图[4]。这一形式模型是精确的，但真实主张往往需要更多情境。“方法M提高准确率”若缺少评价、基线、数据集和度量，仍是不完整的陈述。

因此，研究证据图谱将比较结果表示为一个Evaluation评价实体，连接方法、数据集版本、指标、基线、得分与来源段落。这可以避免把两次评价误压缩成一条不受时间约束的边，也能暴露缺失信息。如果来源没有给出基线，记录应保留这一缺失，而不是暗示该方法优于所有替代方案。图谱由此成为对证据的结构化说明，而非彼此孤立的口号集合。

1.3 模式与实例知识

模式描述可用的类别、关系含义与约束；实例数据描述具体事物。“每个实验都有数据集”是一项模式层面的约定，“实验E使用数据集D”则是实例断言。区分二者，既能检查具体记录是否符合要求，也使模型变化可被识别。新增一个数据集记录通常不需要修改模式，而引入数据集谱系这一新概念则可能需要。

本体通常比轻量应用模式更明确地表达概念约定，可以定义类层级、属性特征、等价、互斥或逻辑限制。分类体系主要按层级组织类别，受控词表则规范标签。这些产物可以共存。例如，研究图谱可以用受控词表统一研究方法名称，用分类体系组织学科，再用一个小型本体表达作者身份与证据。把每份标签清单都称为本体，会掩盖这些不同功能。

图数据库是存储和查询系统，知识图谱则是被建模的知识及其解释。同一个知识图谱可以分布在多个物理系统中，图数据库也可以存放缺少明确语义的信息。同样，关系数据库能够通过表、标识符和连接操作支持知识图谱的部分功能。因此，选择图数据库属于实现决策，不能单独完成概念设计。

1.4 知识具有情境且并不完整

断言记录某项陈述已经被提出，并不因其存在就证明其真实。来源可能有误、过时、带有宣传目的，或只是在描述假设情境。图谱应区分“文档D报告主张C”与“主张C已被独立验证”。当语言模型从措辞自信的文本中抽取内容时，这一区别尤其重要。句子表面的确定程度与背后证据的可靠程度，是不同的属性。

缺失信息也需要解释。在开放世界假设下，某项陈述没有出现，不表示它为假。RDF和OWL推理通常采用开放世界语义[5, 7]。不过，本地应用仍可为特定目的定义封闭且经过审计的数据集。例如，实验登记系统可以承诺在报告期结束前登记全部已完成实验；对该登记库的查询便可采用更窄的完备性假设。这一假设应明确记录，不能默默推广到整个世界。

矛盾本身可能提供信息。两篇论文可能因研究人群、日期、仪器或定义不同而报告不同结果。整合流程首先应检查主张是否针对相同条件。如果分歧仍然存在，同时保留两项主张及其来源，可能比自动选择其中一项更忠实。图谱可以通过显示冲突位置支持调查。单一裁决值应被视为按照明确解决政策形成的治理视图，而不是数据汇集后必然出现的唯一结果。

1.5 图谱何时有用

当问题需要反复跨越身份、关系类型、来源或抽象层级时，图谱尤其有用。例如，沿供应商依赖追踪组件故障，寻找多项独立研究共同支持的主张，或识别哪些内部流程依赖已经过时的法规。在这些情况下，明确的连接使应用能够沿关系查找，而无需每次都从孤立文本片段中重新构造联系。

如果主要工作是按关键词检索完整文档、计算常规数值汇总，或维护跨记录关系很少的稳定事务表单，建图投入未必同样值得。搜索引擎、分析数据库和常规应用表可能已经能够很好地处理这些任务。图谱可以与它们共存，但新增的模式、身份管理与维护工作，应通过可测量的任务改进证明其价值。本报告把这一选择看作需要实证检验的设计问题，而非对某种技术的预先承诺。