第二次课：知识是什么——从文本到结构化知识

周子力大约 12 分钟教学文档认知智能知识表示知识图谱三元组

第二次课：知识是什么——从文本到结构化知识

学习目标

通过本讲学习，学生应能够：

说出事实、概念、关系和事件四类常见知识，并能结合实例区分它们。
理解文本、表格、三元组和简单概念图的基本表示方式。
了解知识图谱中的实体、关系、属性、类型和三元组等基本元素。
将一个模糊的现实场景转化为可描述的知识对象。
从一篇短文本中整理 10–20 条三元组，并绘制一个简单知识图谱。

本讲的核心任务是完成一次转换：

自然语言描述
      ↓
识别其中的对象、概念、关系和事件
      ↓
用结构化方式表示出来
      ↓
形成可查询、可分析的小型知识图谱

一、什么是知识

第一次课中，我们讨论了智能系统为什么需要知识。本讲进一步回答：知识究竟是什么？

知识并不只是“存放在书本中的事实”。当人理解一个场景时，通常同时使用了对象、概念、关系、事件和经验。

例如，阅读下面这段文字：

《认知智能中的知识构建研究》面向人工智能专业本科三年级学生开设。课程由周老师负责，主要讨论知识图谱、自然语言处理和大语言模型。学生需要完成文献阅读、专题方案和课程论文。课程论文将在学期末提交。

我们从中不仅可以读出课程名称、教师和主题，还能理解：

这是一门课程；
它面向特定学生；
课程有若干学习任务；
课程论文是一项将在未来完成的事件。

为了让机器也能够处理这些内容，我们需要把自然语言中的知识拆分和组织起来。

二、四类常见知识

1. 事实知识

事实知识描述一个对象的属性，或说明一个确定的情况。

例如：

《认知智能中的知识构建研究》是一门课程；
这门课面向本科三年级学生；
周老师负责这门课程；
课程论文在学期末提交。

事实知识通常可以直接回答“是什么”“谁”“在哪里”“什么时候”等问题。

2. 概念知识

概念知识说明一个对象属于什么类别，或者某个术语表示什么含义。

例如：

课程属于教学资源；
知识图谱属于知识表示技术；
自然语言处理属于人工智能的研究方向；
课程论文属于课程考核任务。

概念知识帮助系统建立分类。例如，系统知道“知识图谱”和“大语言模型”都与人工智能相关，但它们不是同一种对象。

3. 关系知识

关系知识描述两个或多个对象之间的联系。

例如：

课程由教师负责；
课程包含知识主题；
学生修读课程；
课程要求完成论文；
论文引用其他论文。

关系知识是知识图谱中最重要的部分。它使系统不仅能认识单个对象，还能理解对象之间如何关联。

4. 事件知识

事件知识描述“谁在什么时间做了什么事”。一个事件通常包含参与者、时间、地点、行为和结果等信息。

例如：

学生在学期末提交课程论文；
教师在课堂上讲授知识图谱；
学生在课后阅读指定文献；
学院发布新的培养方案。

事件知识特别适合记录会随时间变化的内容。相比静态事实，事件通常需要额外记录时间或阶段。

知识类型	关注的问题	示例
事实	某个对象具有什么属性	课程面向本科三年级学生
概念	某个对象属于什么类别	知识图谱属于知识表示技术
关系	两个对象如何联系	课程包含知识图谱主题
事件	谁在何时做了什么	学生在学期末提交课程论文

在实际场景中，一句话往往会同时包含多种知识。

三、从模糊场景到知识对象

现实问题通常不是以“实体和关系表”的形式出现，而是以自然语言、表格、网页或人的描述出现。

例如，我们想构建一个“校园课程助手”。一开始的想法可能很模糊：

希望它能够回答课程相关问题，帮助学生选课和学习。

要将这个想法变成可描述的知识对象，可以逐步提出以下问题：

1. 场景中有哪些对象

可能包括：

课程；
教师；
学生；
专业；
教材；
知识点；
作业；
考试；
教室；
通知。

这些能够被区分、命名或描述的对象，通常可以作为知识图谱中的实体。

2. 对象之间有什么关系

例如：

学生 —— 修读 —— 课程
课程 —— 负责人 —— 教师
课程 —— 包含 —— 知识点
课程 —— 使用 —— 教材
课程 —— 设置 —— 考核方式
课程 —— 发布 —— 通知

3. 哪些内容是属性

属性通常用于描述一个对象自身的特征。

例如：

课程名称：认知智能中的知识构建研究
课程学分：1
课程对象：本科三年级学生
通知发布日期：2026 年 9 月 1 日

4. 哪些内容是事件

如果内容涉及发生时间、参与者或过程，可以将其看作事件。

例如：

事件：提交课程论文
参与者：学生
时间：学期末
结果：完成课程考核材料

经过以上拆分，原本模糊的“校园课程助手”就变成了一组可以收集、表示和处理的知识对象。

四、文本、表格、三元组与概念图

同一段内容可以用不同方式表示。下面以课程信息为例，比较四种常见方式。

1. 文本表示

文本是最自然、最丰富的知识载体。

《认知智能中的知识构建研究》面向人工智能专业本科三年级学生开设，由周老师负责。课程包含知识图谱、自然语言处理和大语言模型等主题。

文本的优点是信息完整、表达自然；不足是机器很难稳定地区分对象、关系和重点。

2. 表格表示

表格适合保存字段固定的信息。

课程名称	面向对象	负责人	课程主题
认知智能中的知识构建研究	人工智能专业本科三年级学生	周老师	知识图谱、自然语言处理、大语言模型

表格清晰、便于统计，但不容易表达“课程主题之间的关系”“论文属于哪类任务”等较复杂的信息。

3. 三元组表示

三元组是知识图谱中最常用的基本表示方式，形式为：

（头实体，关系，尾实体）

上述课程信息可以写成：

（认知智能中的知识构建研究，面向，人工智能专业本科三年级学生）
（认知智能中的知识构建研究，负责人，周老师）
（认知智能中的知识构建研究，包含，知识图谱）
（认知智能中的知识构建研究，包含，自然语言处理）
（认知智能中的知识构建研究，包含，大语言模型）

三元组适合表达“谁和谁有什么关系”。

4. 简单概念图

概念图用节点和连线展示概念及其关系。它比表格直观，比纯文本更容易看出结构。

                         ┌──────────┐
                         │ 周老师   │
                         └────┬─────┘
                              │ 负责
                              ▼
┌─────────────────────────────┴─────────────────────────────┐
│               认知智能中的知识构建研究课程                 │
└───────────────┬──────────────────────────────┬────────────┘
                │ 面向                         │ 包含
                ▼                              ▼
      本科三年级人工智能学生       知识图谱 / NLP / 大语言模型

概念图特别适合课堂讨论和前期方案设计。它不需要一开始就完全规范，但应做到对象清楚、关系有意义。

五、知识图谱的基本元素

知识图谱可以看作由节点和边组成的知识网络。对于入门阶段，可以先掌握以下五个基本元素。

1. 实体

实体是图谱中可被唯一识别的对象。

例如：

认知智能中的知识构建研究
周老师
知识图谱
自然语言处理
课程论文

2. 实体类型

实体类型说明实体属于哪一类。

例如：

认知智能中的知识构建研究：课程
周老师：教师
知识图谱：知识主题
课程论文：考核任务

3. 关系

关系连接两个实体，并说明它们之间的含义。

例如：

负责人
包含
面向
要求完成
引用

4. 属性

属性描述实体自身的特征。

例如：

课程学分：1
课程总学时：16
论文提交时间：学期末

5. 三元组

三元组由实体和关系组成，是图谱中的一条基本事实。

（认知智能中的知识构建研究，要求完成，课程论文）

将许多三元组连接起来，就可以形成一个更完整的知识图谱。

六、示例：从一篇短文本整理三元组

阅读下列文本：

《认知智能中的知识构建研究》面向人工智能专业本科三年级学生开设，由周老师负责。课程分为教师讲授和学生研讨两个阶段。课程前半部分介绍认知智能、知识图谱、自然语言处理和大语言模型。后半部分由学生汇报相关论文，并完成一篇课程论文。

第一步：找出实体

可以找出以下实体：

认知智能中的知识构建研究
人工智能专业本科三年级学生
周老师
教师讲授
学生研讨
认知智能
知识图谱
自然语言处理
大语言模型
相关论文
课程论文

第二步：找出关系

可以找出以下关系：

面向
负责人
分为
介绍
汇报
完成

第三步：整理三元组

参考答案如下：

（认知智能中的知识构建研究，面向，人工智能专业本科三年级学生）
（认知智能中的知识构建研究，负责人，周老师）
（认知智能中的知识构建研究，分为，教师讲授）
（认知智能中的知识构建研究，分为，学生研讨）
（教师讲授，介绍，认知智能）
（教师讲授，介绍，知识图谱）
（教师讲授，介绍，自然语言处理）
（教师讲授，介绍，大语言模型）
（学生研讨，汇报，相关论文）
（学生研讨，完成，课程论文）

在实际操作中，三元组的写法可能不止一种。例如，“学生研讨，完成，课程论文”也可以改为“学生，完成，课程论文”。关键是先明确每个实体和关系的含义，并在同一份图谱中保持一致。