人生倒计时
- 今日已经过去小时
- 这周已经过去天
- 本月已经过去天
- 今年已经过去个月
对知识图谱感兴趣的读者可以关注我的知乎专栏，主要介绍知识图谱的相关概念和技术，以及一些具体的实践。
看过前两篇文章（1、2）的读者应该对RDF有一个大致的了解和了解。本文将通过实例进一步介绍 RDF 和 RDFS/OWL 这两种基础知识图谱技术。实际上，RDF和RDFS/OWL是类语义网概念背后的常用基础技术，知识图谱是最广为人知的概念。
1.知识图谱的基石：RDF RDF表示
RDF()，资源描述框架，本质上是一个数据模型。它提供了描述实体/资源的统一标准。简单地说，它是一种表达事物的方法和手段。RDF正式表示为一个SPO三元组，有时也称为句子()，我们也称它为知识图谱中的一条知识，如下图所示。
RDF由节点和边组成，节点代表实体/资源、属性，边代表实体与实体之间的关系以及实体与属性之间的关系。在第一篇文章（为什么需要知识图谱？什么是知识图谱？——KG的前世今生）中，我们结合罗纳尔多的例子介绍了RDF节点和边的类型约束，这里不再赘述。不熟悉RDF的读者可以参考第一篇文章，有更直观的描述和解释。
RDF序列化方法
有了 RDF 的表示和类型，我们如何创建一个 RDF 数据集并序列化（）它？换句话说，我们如何存储和传输 RDF 数据。目前RDF序列化的主要方法有：RDF/XML、N-、RDFa、JSON-LD等。
RDF/XML，顾名思义，就是用XML格式来表示RDF数据。提出这种方法是因为XML技术比较成熟，有很多现成的工具来存储和解析XML。但是对于RDF来说，XML格式过于冗长，不易阅读，通常我们不会用这种方式来处理RDF数据。
N-，即使用多个三元组来表示RDF数据集，是最直观的表示方法。文件中每一行代表一个三元组，便于机器解析处理。开放领域知识图通常以这种格式发布数据。
，应该是最常用的RDF序列化方式。它比 RDF/XML 更紧凑，比 N-更具可读性。
RDFa，或“The in”，是 HTML5 的扩展，它使网站建设者能够在页面上标记实体，例如谁、何地、何时、评论等，而无需更改任何显示效果。也就是说，通过将RDF数据嵌入到网页中，搜索引擎可以更好地解析非结构化页面，获取一些有用的结构化信息。读者可以到这个页面体验RDFa，它直观地展示了普通用户看到的页面、浏览器看到的页面以及搜索引擎解析的结构化信息。
JSON-LD，或“JSON for Data”，使用键值对来存储 RDF 数据。有兴趣的读者可以参考这个网站。
下面，我们结合第一篇文章中罗纳尔多的知识图谱的例子，给出其N-sum的具体表示。
Example1 N-Triples:
.kg.com/person/1> .kg.com/ontology/chineseName> "罗纳尔多·路易斯·纳萨里奥·德·利马"^^string.
.kg.com/person/1> .kg.com/ontology/career> "足球运动员"^^string.
.kg.com/person/1> .kg.com/ontology/fullName> "Ronaldo Luís Nazário de Lima"^^string.
.kg.com/person/1> .kg.com/ontology/birthDate> "1976-09-18"^^date.
.kg.com/person/1> .kg.com/ontology/height> "180"^^int.
.kg.com/person/1> .kg.com/ontology/weight> "98"^^int.
.kg.com/person/1> .kg.com/ontology/nationality> "巴西"^^string.
.kg.com/person/1> .kg.com/ontology/hasBirthPlace> .kg.com/place/10086>.
.kg.com/place/10086> .kg.com/ontology/address> "里约热内卢"^^string.
.kg.com/place/10086> .kg.com/ontology/coordinate> "-22.908333, -43.196389"^^string. 使用时，我们会添加一个前缀（）来缩写RDF的IRI。
Example2 Turtle:
@prefix person: .kg.com/person/> .
@prefix place: .kg.com/place/> .
@prefix : .kg.com/ontology/> .
person:1 :chineseName "罗纳尔多·路易斯·纳萨里奥·德·利马"^^string.
person:1 :career "足球运动员"^^string.
person:1 :fullName "Ronaldo Luís Nazário de Lima"^^string.
person:1 :birthDate "1976-09-18"^^date.
person:1 :height "180"^^int.
person:1 :weight "98"^^int.
person:1 :nationality "巴西"^^string.
person:1 :hasBirthPlace place:10086.
place:10086 :address "里约热内卢"^^string.
place:10086 :address "-22.908333, -43.196389"^^string. 同一个实体有多个属性（数据属性）或关系（对象属性），我们可以只用一个来表示它，使其更紧凑。我们可以将上面的内容改为：
Example3 Turtle:
@prefix person: //www.kg.com/person/> .
@prefix place: //www.kg.com/place/> .
@prefix : //www.kg.com/ontology/> .
person:1 :chineseName "罗纳尔多·路易斯·纳萨里奥·德·利马"^^string;
:career "足球运动员"^^string;
:fullName "Ronaldo Luís Nazário de Lima"^^string;
:birthDate "1976-09-18"^^date;
:height "180"^^int;
:weight "98"^^int;
:nationality "巴西"^^string;
:hasBirthPlace place:10086.
place:10086 :address "里约热内卢"^^string;
:address "-22.908333, -43.196389"^^string. 即一个实体用一个句子表示（这里的句子指的是英文句点“.”）而不是多个句子，属性之间用分号隔开。
RDF的表现力
在第二篇文章（ Web, Web, Data and Graph）中，我们提到RDF表达能力有限，不能区分类和对象，不能定义和描述类关系/属性。我的理解是，RDF 是对具体事物的描述，缺乏抽象来定义和描述同一类别的事物。以罗纳尔多的知识图谱为例，RDF可以表达罗纳尔多和里约热内卢有什么属性以及它们之间的关系。但是如果要定义C罗是一个人，里约热内卢是一个地方，一个人有什么属性，一个地方有什么属性，人和地方之间存在什么关系，那么RDF就无能为力了。无论是在智能概念上，还是在实际应用中，这种泛化和抽象能力非常重要；同时，知识图谱本身也非常强调这一点。RDFS和OWL这两种技术，或者说模式语言/本体语言（/），解决了RDF表达能力有限的困境。
2.RDF的“衣服”——RDFS/OWL
RDFS/OWL之所以成为RDF的“衣服”，是因为它们都是用来描述RDF数据的。为了不显得那么抽象，我们可以类比一下关系数据库中的概念。用过Mysql的读者应该都知道它也叫。这与我们在这里提到的非常相似。我们可以认为数据库中的每张表都是一个类（Class），而表中的每一行都是该类的一个实例或对象（学过java等面向对象编程语言的读者容易理解） . 表中的每一列都是该类中包含的一个属性。如果我们在数据库中表示这两类人和地点，那么分别为它们创建一个表；然后用另一个表来表示人和地点之间的关系。
: RDFS/OWL 序列化与 RDF 没有区别。事实上，就表示而言，它们是RDF。其常用的方法主要是RDF/XML。另外，通常我们用小写的词或短语来表示属性，用大写来表示类。数据属性（数据、实体与字面量之间的关系）通常由名词组成，而对象数据（、实体与实体之间的关系）通常由动词（has、is等）后接名词组成。其余的遵循驼峰式。为了使它们更清晰，避免读者混淆，我们以后将默认采用这种命名方式。读者实践没有强制性的命名约定，但最好保持一致。
轻量级模式语言 - RDFS
RDFS，或“”，是最基本的模式语言。以罗纳尔多的知识图为例，我们在概念和抽象层面定义RDF数据。下面的 RDFS 定义了两个类，人物和地点，以及每个类包含的属性。
@prefix rdfs: .
@prefix rdf: .
@prefix : 这里我们只介绍几个比较重要和常用的RDFS术语：
1.rdfs：类。用于定义类。
2.rdfs:。用于指示属性属于哪个类别。
3.rdfs：范围。用于描述该属性的值类型。
4.rdfs:。用于描述该类的父类。例如，我们可以定义一个运动员类并声明该类是 的子类。
5.rdfs:。用于描述该属性的父属性。比如我们可以定义一个name属性，声明中文名和全名是名字的子类。
实际上知识图谱 本体 实体，rdf: 和 rdf:type 也是 RDFS 词汇表，因为 RDFS 本质上是 RDF 词汇表的扩展。为了不让读者感到困惑，我们在这里不列出它们。有关其他 RDFS 术语及其用法，请参阅 W3C 官方文档。
为了让读者更直观的理解知识图谱中RDF和RDFS/OWL所代表的层，我们用下图来表示示例中的数据层和模式层。
Data层是我们用RDF对C罗的知识图谱的具体描述，是我们自己定义的一些词汇（类别、属性），RDF(S)是预定义的词汇。从下到上是一个从具体到抽象的过程。图中，我们用红色圆角矩形表示类，绿色字体表示三个预定义的词rdf:type、rdfs:、rdfs:range，虚线表示rdf:type的关系。另外，为了减少图中线条的相交，我们只保留了这个属性的rdf:type关系，省略了其他属性的关系。
RDFS 扩展 - OWL
我们在上面提到，RDFS 本质上是 RDF 词汇表的扩展。后来发现RDFS的表达能力还是比较有限的，于是提出了OWL。我们还可以将 OWL 视为 RDFS 的扩展，它添加了额外的预定义词汇表。
OWL，或“Web”，是语义网技术栈的核心之一。OWL有两个主要功能：
1. 提供快速灵活的数据建模能力。
2. 高效的自动推理。
先说一下如何使用OWL进行数据建模。用OWL来描述C罗知识图谱的语义层：
@prefix rdfs: .
@prefix rdf: .
@prefix : .
### 这里我们用词汇owl:Class定义了“人”和“地点”这两个类。
:Person rdf:type owl:Class.
:Place rdf:type owl:Class.
### owl区分数据属性和对象属性（对象属性表示实体和实体之间的关系）。词汇owl:DatatypeProperty定义了数据属性，owl:ObjectProperty定义了对象属性。
:chineseName rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:string .
:career rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:string .
:fullName rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:string .
:birthDate rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:date .
:height rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:int .
:weight rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:int .
:nationality rdf:type owl:DatatypeProperty;
rdfs:domain :Person;
rdfs:range xsd:string .
:hasBirthPlace rdf:type owl:ObjectProperty;
rdfs:domain :Person;
rdfs:range :Place .
:address rdf:type owl:DatatypeProperty;
rdfs:domain :Place;
rdfs:range xsd:string .
:coordinate rdf:type owl:DatatypeProperty;
rdfs:domain :Place;
rdfs:range xsd:string .
层描述语言改为OWL后，层图表示为：
数据属性以青色表示，对象属性以蓝色表示。
罗纳尔多的例子并不能显示出猫头鹰丰富的表达能力。这里我们简单介绍一下常用的词汇：
描述属性的词汇
1. 猫头鹰：。表示该属性是可传递的。例如，我们将“at”定义为传递属性，如果 A 在 B 且 B 在 C 处，则 A 必须在 C 处。
2. 猫头鹰：。表示属性是对称的。例如，我们将“知识”定义为具有对称性的属性，如果 A 知道 B，则 B 必须知道 A。
3. 猫头鹰：。表示该属性值的唯一性。例如，我们将“母亲”定义为唯一属性，如果 A 的母亲是 B，而在其他地方我们知道 A 的母亲是 C，那么 B 和 C 指的是同一个人。
4. 猫头鹰：。定义属性的反向关系。例如，定义“父”的逆关系是“子”，如果A是B的父，那么B一定是A的子。
本体映射词汇 ( )
1. 猫头鹰：。表示一个类与另一个类相同。
2. 猫头鹰：。表示一个属性与另一个属性相同。
3. 猫头鹰：。表示两个实体是同一个实体。
本体映射主要用于融合多个独立的（ ）。例如，张三构建了一个本体结构，定义了这样一个类来表示人；李斯在他为代表人而构建的本体中定义了 Human 类。当我们融合这两个本体时，我们可以使用OWL的本体映射词汇。回想一下，我们在第二篇文章中提到了 Open Data，如果没有 OWL，我们将无法融合这些知识图谱。
rdf:type owl:Class 。
rdf:type owl:Class 。
猫头鹰： 。
更多OWL词汇和特性请参考W3C官网文档。
接下来说说OWL的推理能力。知识图谱的推理主要分为两类：基于本体的推理和基于规则的推理。
我们在这里谈论基于本体的推理。读者应该会发现，上面介绍的属性特征词汇实际上为RDF数据的推理创造了前提。此时，我们可以通过添加一个支持OWL推理的推理引擎（）来进行基于本体的推理。RDFS 还支持推理。由于缺乏丰富的表达能力，推理能力不强。例如，我们使用 RDFS 来定义两个类，人类和动物，此外，将人类定义为动物的子类。此时推理引擎可以推断出，如果一个实体是人，那么它也是动物。OWL 当然支持这种基本推理，除此之外，凭借其强大的表达能力，我们可以进行更实际的推理。想象一个场景，我们有一个庞大的人们亲属关系数据库。其中的许多关系都是单向的。比如只保存了A的父亲（母亲）是B，但是B的子字段中没有A，如下表所示。
一个
乙
乙
如果只有一个关系，数据量很小，我们仍然可以手动完成这个关系。如果有数百种关系和数亿人，我们如何处理它们？修改、添加、删除等关系怎么办？想到这样的场景，我不由得瑟瑟发抖。如果我们用相互之间的反比关系来表示，上述数据可以表示为：
绿色的关系表示它确实存在于我们的RDF数据中，红色的关系是推断出来的。通过这个例子，相信读者应该对OWL的推理功能和能力有一个初步的了解。
目前OWL的最新版本是OWL 2，在兼容OWL的基础上增加了新的功能。有兴趣的读者可以参考 W3C 文档。此外，OWL 2 包含三个标准，或三个配置 ()，它们是 OWL 2 完整标准 (OWL 2/Full) 的子集。读者目前不需要考虑它们之间的区别，只有当我们需要使用OWL自动推理功能时，才需要考虑使用哪种配置。而且在大多数情况下，我们需要知道哪种配置最合适。以下是使用它们的场景的简要说明：
OWL 2/EL 使用场景：本体结构中有大量相互关联的类和属性知识图谱 本体 实体，设计者希望使用自动推理引擎来获取其中的复杂关系。OWL 2/QL 用例：有很多实例数据。OWL 2 QL 本体可以重写为 SQL 查询，适用于使用 OBDA（基于数据）访问关系数据库。也就是说，我们不是将关系数据库中的数据显式转换为RDF，而是将数据库转换为虚拟RDF图，通过映射进行访问。OWL 2/RL 使用场景：需要结合基于规则的推理引擎的场合。三、总结
本文主要介绍RDF的序列化方法，如何使用RDFS/OWL进行层建模，以及OWL的推理功能。接下来，我们将介绍如何在现有的关系数据库的基础上，从上到下构建自己的本体结构。
参考博客：Learn : Learn owl and : RDFS 1.1W3C: OWL : OWL2 Data and in Large
