第一次课

一、教学目标

1. 理解概念： 学生能够准确复述知识图谱（Knowledge Graph, KG）的定义、核心要素及数据表示形式。
2. 掌握流程： 学生能够描述知识图谱构建的全生命周期，特别是其中涉及 NLP 技术的关键环节。
3. 了解应用： 学生能够列举并解释知识图谱在 NLP 领域的传统典型应用场景（如搜索、问答、推荐）。
4. 建立认知： 初步建立“数据 - 信息 - 知识”的认知层级，理解 KG 如何赋予机器认知能力。

---

二、时间分配表

环节	内容模块	预计时长	教学形式
导入	课程引入与背景	5 分钟	讲授 + 提问
第一部分	知识图谱基础（定义、表示、分类）	25 分钟	讲授 + 图示
第二部分	知识图谱构建流程（核心 NLP 技术）	35 分钟	讲授 + 流程拆解
第三部分	KG 在 NLP 中的传统应用	20 分钟	案例分析
总结	课程回顾与展望	5 分钟	总结 + 答疑

---

三、详细教学内容

【导入】课程引入（5 分钟）

• 开场白： 同学们好。在开始今天的内容之前，我想请大家思考一个问题：当你在搜索引擎中输入“周杰伦的妻子”时，为什么搜索引擎能直接右侧显示“昆凌”，而不是只给你一堆包含这两个词的网页链接？
• 核心引出： 这背后就是知识图谱在起作用。它让机器从“关键词匹配”进化到了“语义理解”。
• 背景简述：
  • 2012 年，Google 正式提出“知识图谱”概念，旨在构建一个结构化的语义知识库。
  • 它是人工智能从“感知智能”（听、看）向“认知智能”（理解、推理）跨越的关键基石。
• 本节重点： 什么是 KG？怎么建？怎么用（特别是在 NLP 里）？

---

【第一部分】知识图谱基础（25 分钟）

1. 知识图谱的定义

• 官方定义： Google 在 2012 年提出，本质上是一种语义网络（Semantic Network）。
• 通俗理解： 把现实世界中的事物（实体）以及它们之间的关系，用图的形式记录下来，形成一张巨大的网状知识库。
• 核心逻辑： 从“字符串”到“概念”。
  • 传统文本："Paris" 只是一个由 5 个字母组成的字符串。
  • KG 视角："Paris" 是一个 城市 ，属于 法国，是 首都。

2. 核心要素与数据模型

• 基本组成单元：三元组（Triple）
  • 格式：(头实体，关系，尾实体) 或 (Head, Relation, Tail)
  • 示例：(马云，创立，阿里巴巴)、(北京，位于，中国)
  • 板书/PPT 展示： 画出节点（Entity）和边（Relation）的示意图。
• 本体（Ontology）：
  • 定义：知识的“模板”或“模式层”（Schema）。
  • 作用：定义实体有哪些类型（类），关系有哪些类型，以及类型的属性。
  • 示例：定义“人物”类，具有“姓名”、“出生日期”属性；“人物”与“公司”之间存在“任职”关系。
• 表示标准（简述）：
  • RDF (Resource Description Framework)： 资源描述框架，Web 标准，强调 URI 标识。
  • 属性图 (Property Graph)： 工业界常用（如 Neo4j），节点和边都可以有属性，查询效率高。

3. 知识图谱的分类

• 按领域范围：
  • 通用知识图谱： 面向大众，覆盖面广，事实性知识为主。
    • 代表：Google KG, Wikidata, DBpedia, 百度百科知识图谱。
  • 行业/垂直知识图谱： 面向特定行业，深度深，包含大量专业术语和逻辑。
    • 代表：医疗图谱（疾病 - 症状 - 药品）、金融风控图谱（企业 - 法人 - 担保）、法律图谱。
• 按构建方式：
  • 自顶向下 (Top-Down)： 先定义好本体（Schema），再填充数据。适合高质量、小规模、垂直领域。
  • 自底向上 (Bottom-Up)： 先从数据中抽取实体关系，再汇总抽象成本体。适合开放域、大规模数据。

---

【第二部分】知识图谱构建流程（35 分钟）

• 过渡： 知道了什么是 KG，那么面对互联网海量的非结构化文本（新闻、百科、报告），我们如何把它变成结构化的图谱？这就是构建流程，其中NLP 技术是核心驱动力。

1. 构建流程总览

• 流程图展示：数据源 -> 知识抽取 -> 知识融合 -> 知识加工/推理 -> 知识存储 -> 应用
• 核心难点： 非结构化数据（文本） -> 结构化数据（图谱）。

2. 关键步骤详解（结合 NLP 技术）

(1) 知识抽取 (Knowledge Extraction) —— 最核心的 NLP 环节

• 实体抽取 (Entity Extraction / NER)：
  • 任务： 从文本中识别出具有特定意义的实体。
  • NLP 技术： 命名实体识别（NER）。
  • 示例： 句子“乔布斯在加州发布了 iPhone。” -> 抽取 [乔布斯/人物], [加州/地点], [iPhone/产品]。
  • 难点： 嵌套实体、新词发现、领域迁移。
• 关系抽取 (Relation Extraction, RE)：
  • 任务： 识别实体之间的语义关系。
  • NLP 技术： 基于规则、基于分类模型（CNN/RNN/BERT）、基于指针网络。
  • 示例： 识别“乔布斯”和"iPhone"之间是 (创始人，产品) 关系。
  • 分类： 有监督 RE（需要标注数据）、远程监督 RE（利用现有 KB 对齐文本）、无监督 RE。
• 事件抽取 (Event Extraction)：
  • 任务： 识别由多个实体参与构成的复杂行为。
  • 示例： “收购事件”包含：收购方、被收购方、金额、时间。

(2) 知识融合 (Knowledge Fusion)

• 背景： 不同来源的数据可能对同一事物有不同描述。
• 实体对齐 (Entity Alignment) / 实体消歧：
  • 任务： 判断两个实体是否指向现实世界中的同一对象。
  • 示例： "Apple Inc." 和 "苹果公司" 是同一个实体；"乔丹" 可能是 "迈克尔·乔丹" 也可能是 "布兰登·乔丹"。
  • NLP 技术： 基于字符串相似度、基于向量表示（Embedding）、基于图结构相似度。
• 数据清洗： 处理冲突、错误和过时信息。

(3) 知识加工与推理 (Knowledge Reasoning)

• 知识补全 (Knowledge Completion)：
  • 任务： 预测图中缺失的链接。
  • 示例： 已知 (A, 父亲，B), (B, 父亲，C)，推理出 (A, 祖父，C)。
  • 技术： 知识图谱嵌入（KGE，如 TransE, RotatE）、规则推理。
• 质量评估： 准确性、覆盖率、时效性。

(4) 知识存储 (Storage)

• 图数据库： Neo4j (最流行), JanusGraph, Titan。
• RDF 存储： Virtuoso, Jena。
• 查询语言： Cypher (Neo4j), SPARQL (RDF)。
  • 代码示例展示： MATCH (p:Person)-[:BORN_IN]->(c:City) RETURN p.name, c.name

【重点强调】

• 构建流程不是线性的，往往是迭代优化的。
• NLP 在其中的角色： NLP 主要负责“输入端”（从文本读知识），KG 主要负责“存储端”和“逻辑端”（存知识、用知识）。

---

【第三部分】KG 在 NLP 中的传统应用（20 分钟）

• 过渡： 建好图谱后，它如何反哺 NLP 任务？知识图谱为 NLP 提供了外部知识库和逻辑约束。

1. 智能搜索 (Semantic Search)

• 传统搜索： 基于关键词匹配（Keyword Matching）。搜“苹果”，出来水果和手机，无法区分。
• KG 增强搜索：
  • 实体链接 (Entity Linking)： 将查询词链接到图谱中的唯一实体 ID。
  • 语义扩展： 搜“感冒”，自动关联“发烧”、“止咳药”。
  • 直接答案 (Direct Answer)： 在搜索结果页直接展示知识卡片（Knowledge Panel）。
• 案例： 百度搜索“刘德华身高”，直接显示"174cm"，无需点击网页。

2. 知识图谱问答 (KBQA)

• 定义： 基于 KG 的自然语言问答。
• 流程：
  1. 语义解析 (Semantic Parsing)： 将自然语言问题转化为查询语句（如 SPARQL 或 Cypher）。
  2. 图谱查询： 在 KG 中执行查询。
  3. 答案生成： 返回结果。
• 示例：
  • 问：“马云创立了哪些公司？”
  • 解析：Find ?company WHERE (马云，创立，?company)
  • 答：阿里巴巴、湖畔大学...
• 优势： 答案准确，可解释性强（因为路径是明确的）。

3. 推荐系统 (Recommendation System)

• 传统推荐： 协同过滤（用户 - 物品矩阵），存在“冷启动”和“黑盒”问题。
• KG 增强推荐 (KGR)：
  • 连接性： 利用 KG 中的多跳关系发现潜在兴趣。
    • 用户喜欢电影 A -> 电影 A 主演是 B -> 用户可能喜欢 电影 C（B 主演的）。
  • 可解释性： 可以告诉用户“推荐这部电影是因为你喜欢它的导演”。
  • 解决冷启动： 新物品通过 KG 属性（类型、演员）与用户建立联系。

4. 文本理解与生成 (NLU & NLG)

• 文本分类/情感分析： 引入 KG 中的常识。
  • 例：“这手机电池太持久了。” -> 正面。但如果结合 KG 知道“持久”在特定语境下可能指“充电慢”，可辅助消歧。
• 内容生成： 在生成文本时，利用 KG 确保事实准确性（Fact-checking），减少大模型的“幻觉”。

【案例分析】医疗领域应用（5 分钟）

• 场景： 辅助诊断。
• 输入： 患者描述“头痛、发烧、流鼻涕”。
• KG 推理：
  • 症状 -> 关联疾病（感冒、流感、脑膜炎）。
  • 疾病 -> 关联药品（退烧药、抗生素）。
  • 药品 -> 关联禁忌（孕妇禁用）。
• 价值： 提供基于医学知识的推理，而非简单的关键词匹配，提高诊断建议的可靠性。

---

【第四部分】总结与展望（5 分钟）

1. 课程总结

• 定义： KG 是结构化的语义知识库，核心是三元组。
• 构建： 核心是 NLP 抽取技术（NER, RE）+ 知识融合。
• 应用： 搜索、问答、推荐是三大经典场景，核心价值是语义理解和推理。

2. 前沿展望（KG + LLM）

• 现状： 大语言模型（LLM）能力强但存在幻觉、知识更新慢；KG 知识准确但构建成本高、覆盖度有限。
• 趋势：
  • KG 增强 LLM (RAG)： 用 KG 作为外部知识库，让 LLM 回答更准确。
  • LLM 辅助构建 KG： 利用 LLM 强大的抽取能力，降低 KG 构建成本。
  • 神经符号结合： 将 LLM 的感知能力与 KG 的逻辑推理能力结合。

3. 课后思考题

1. 尝试使用 Neo4j 或在线工具，手动构建一个包含 5 个实体、5 个关系的微型“家庭关系图谱”。
2. 思考：在“自底向上”构建图谱时，如何解决“关系冲突”问题？（例如：A 文本说 X 是 Y 的子公司，B 文本说 X 和 Y 是合作伙伴）。

---

四、教学资源与参考

• 推荐工具：
  • 可视化：Neo4j Browser, Graphviz
  • NLP 库：Spacy, HanLP, Transformers (HuggingFace)
  • 公开数据集：Freebase (已停用，可用 Wikidata 替代), CN-DBpedia, HowNet
• 参考书籍：
  • 《知识图谱：方法、实践与应用》（王昊奋 等）
  • 《Introduction to Knowledge Graphs》
• 参考论文：
  • Google: "Introducing the Knowledge Graph: things, not strings" (2012)
  • TransE: "Translating Embeddings for Modeling Multi-relational Data" (2013)