【KBQA】: 中文知識圖譜構建思路是什麼？

實現一個大規模中文知識圖譜主要有兩部分，以“美人魚的導演是誰”爲例：

1. 建知識庫(KG)。

工程上，解析半結構化網頁 >> Open IE。於是爬百度百科，解析網頁，實體對齊。知識庫可以用RDF表示：三元組（美人魚，導演，周星馳），和對應的schema（movie, movie_director, person）。存儲方式有多種：Neo4j/MySQL/自定義。抓取的網站越多，歧義消除/指代消解/知識融合之類的事越多，找質量好的網站可以省很多事。半結構化的網頁到結構化的數據是一大坑。

2. 問答系統(KBQA)。

除了圖關係挖掘外，主要的通用的應用場景。方法精度上，Pattern >> Machine Learning。語義分析“美人魚的導演是誰” ，得到句法樹，生成檢索語句（與對應的存儲方式對應：SparQL-Neo4j / MySQL-SQL），檢索知識庫得到結果 “周星馳”。

PS：

1. 知識圖譜 發paper和工程實現，着重點完全不同，可以認爲是兩個項目。
2. 數據質量是個大坑，會花掉絕大部分時間。
3. 目前不實用。找不到像搜索/推薦類似的大場景，期待神人出現。