Grakn:我如何从文本集合中构建知识图谱？

Question

我的笔记本里有几个文档(pdf和txt)，我想用Grakn构建一个知识图谱。

我通过谷歌找到了blog，但没有文档或自述文件教我如何做到这一点。

也写在博客“可以在我们的GitHub repo here上找到挖掘文本的脚本”，但我不能理解我必须做的事情。

这里有人能建议我如何使用Grakn从文本构建知识图谱吗？

Answer 1

Grakn是一个知识引擎/网络，它通过定义良好的实体和关系(本体)来理解知识，因此您需要使用自然语言处理(Natural Language processing，NLP )来使图形网络能够访问人类语言。此外，您还需要OCR (光学字符识别)来将一些图像文本转换为文本。你还应该教网络基本的本体论来理解文本。你实际上正在经历奇点时代。

Answer 2

为了给出一个如何从文本集合到知识图谱的示例，让我们假设您的所有文本都与某个知识领域有关-在您提到的博客文章的示例中，我们正在处理生物医学研究出版物。

第一步可能是在文本中找到实体，或定义的“事物”。为了坚持生物医学的例子，我们可以寻找出版物中提到的药物和基因。这被称为命名实体识别(NER)，这是一种应用于文本挖掘的技术。

如果某一种药物经常在同一出版物中被提及为特定的基因，它们就会“共同出现”，并且很可能在某种程度上相关。这将是一种关系的例子。准确地说它们是如何相关的自动提取是一个困难的问题，被称为关系提取(RE)。

NER和RE的解决方案通常是特定于领域的(从字典术语的简单匹配到AI模型)。

如果您对文本挖掘感兴趣，那么可以从NLTK开始学习python。

知识图谱的思想是将已定义的事物，称为实体，放在彼此之间的已定义关系中，以创建上下文。在您有了在所有文档中找到的实体列表以及它们之间的关系(如上面的示例，文档中的共现，甚至是一个句子)之后，您可以定义一个模式并将这些实体和关系上传到grakn中，并使用它的所有功能来分析您的数据。

有关如何对已提取的数据使用grakn的教程，请参阅see here