计算机教学与教育信息化
本栏目责任编辑：王
力
构建操作系统教程知识图谱
李畅
uncles(广东外语外贸大学信息科学与技术学院/网络空间安全学院，广东广州510420)
摘要：知识图谱在海量信息检索呈现有优异的性能，在人工智能领域也大量运用知识图谱技术。本文介绍了知识图谱的
建议函架构模型以及每个模型层次当前可运用的技术。分析了操作系统教学中用到的信息和知识点，整理了操作系统知识图谱的本体关系，最后运用知识图谱技术构建了一个简单的操作系统教程知识图谱。关键词：知识图谱；知识抽取；本体；操作系统；进程中图分类号：G642
一诺千金成语故事
文献标识码：A
文章编号：1009-3044(2020)02-0123-02
开放科学(资源服务)标识码(OSID)：
元日王安石1知识图谱介绍
知识图谱是由Google 公司在2012年提出来的概念。从学术的角度定义为：“知识图谱本质上是语义网络(Semantic Net⁃work)的知识库”。它以符号的形式描述物理世界中的概念及其相互关系。[1]具体来说，知识图谱是综合多学科的理论与方法，利用直观的图形象地展示知识的内容，发展历史，最终达到多学科融合展示的目的。
成功是失败的什么>送给孩子的成长寄语知识图谱早期主要应用在海量信息检索领域，随着人工智能技术的快速发展，知识图谱在机器学习领域的应用具有更加广阔的前景。现在机器在语音识别和图像识别的某些领域已经超越人类。所以，未来人工智能的重点进步方向将是认知层，即让机器理解这个世界，更好地与世界交互，为人类服务。知识图谱是机器学习人类思维方式的最好方法。
2知识图谱构建过程
知识图谱的构建包括数据获取，知识抽取，知识融合，见图1。
知识抽取包含两个层面的内容。概念层用于描述术语与术语间的关系及术语和关系的约束规则，被称为本体。数据层用于描述本体的实例、实例的属性和实例间的联系。概念层相当于知识的模具，数据层相当于知识的实例。
知识抽取主要有自底向上和自顶向下两种方式。自底向上是先获得知识图谱的实体数据，然后再构建本体，即从具体到抽象，典型代表是Google 的Knowledge Vault 。自顶向下的方式则是先定义本体，再将具体数据加入知识图谱中，典型的有Freeba 。
本例中采用自顶向下的构建方法，通过本体编辑器人工的方式进行手动的构建本体。这样构成的知识图谱实体的概念和范围都是可控的。采用的开发工具是斯坦福大学发布的protégé，该工具具有友好的用户界面。
图1
知识图谱体系架构
2.1实体识别
实体识别的方法主要分为基于规则的方法和基于统计的
方法。一般来说，基于规则的方法性能要优于基于统计的方法。但这些规则往往依赖于具体语言、领域、文本格式，编辑过程耗时且容易产生错误，并且需要有经验的语言学家才能完成。相比而言，基于统计的方法利用人工标注的语料进行训练，标注语料时不需要广博的计算语言知识，并且可以在较短时间内完成。因此，这类系统在移植到新的领域时可以不做或少做改动，只要利用新的语料训练一遍即可。此外，基于统计
的系统要移植到其他自然语言文本也相对容易些。【2】
2.2关系抽取
知识抽取的另一个关键部分是关系抽取。正是由关系把实体联系在一起才形成了知识图谱。目前常见的关系类别有整体-部分关系、位置关系和时间关系等。传统的关系识别方
花好月圆时
法是先定义关系类型，然后从文本中进行抽取。【3】
但是实际上关系的种类特别多，每个不同的领域都有属于该领域特定的关系。鉴于操作系统知识图谱的数据量不大，这里采用人工构造语义和语法规则的方式进行关系定义。2.3属性抽取
属性提取的任务是为每个本体语义类构造属性列表。属
马诗诗意收稿日期：2019-10-12作者简介：李畅(1976—)，女（满族），辽宁鞍山人，广东外语外贸大学信息科学与技术学院/网络空间安全学院，硕士，研究方向：知识
图谱构建。
123
