對知識圖譜感興趣的讀者可以關(guān)注我的知乎專欄，主要介紹知識圖譜的相關(guān)概念和技術(shù)，以及一些具體的實踐。

看過前兩篇文章（1、2）的讀者應(yīng)該對RDF有一個大致的了解和了解。本文將通過實例進一步介紹 RDF 和 RDFS/OWL 這兩種基礎(chǔ)知識圖譜技術(shù)。實際上，RDF和RDFS/OWL是類語義網(wǎng)概念背后的常用基礎(chǔ)技術(shù)，知識圖譜是最廣為人知的概念。

1.知識圖譜的基石：RDF RDF表示

RDF()，資源描述框架，本質(zhì)上是一個數(shù)據(jù)模型。它提供了描述實體/資源的統(tǒng)一標準。簡單地說，它是一種表達事物的方法和手段。RDF正式表示為一個SPO三元組，有時也稱為句子()，我們也稱它為知識圖譜中的一條知識，如下圖所示。

RDF由節(jié)點和邊組成，節(jié)點代表實體/資源、屬性，邊代表實體與實體之間的關(guān)系以及實體與屬性之間的關(guān)系。在第一篇文章（為什么需要知識圖譜？什么是知識圖譜？——KG的前世今生）中，我們結(jié)合羅納爾多的例子介紹了RDF節(jié)點和邊的類型約束，這里不再贅述。不熟悉RDF的讀者可以參考第一篇文章，有更直觀的描述和解釋。

RDF序列化方法

有了 RDF 的表示和類型，我們?nèi)绾蝿?chuàng)建一個 RDF 數(shù)據(jù)集并序列化（）它？換句話說，我們?nèi)绾未鎯蛡鬏?RDF 數(shù)據(jù)。目前RDF序列化的主要方法有：RDF/XML、N-、RDFa、JSON-LD等。

RDF/XML，顧名思義，就是用XML格式來表示RDF數(shù)據(jù)。提出這種方法是因為XML技術(shù)比較成熟，有很多現(xiàn)成的工具來存儲和解析XML。但是對于RDF來說，XML格式過于冗長，不易閱讀，通常我們不會用這種方式來處理RDF數(shù)據(jù)。

N-，即使用多個三元組來表示RDF數(shù)據(jù)集，是最直觀的表示方法。文件中每一行代表一個三元組，便于機器解析處理。開放領(lǐng)域知識圖通常以這種格式發(fā)布數(shù)據(jù)。

，應(yīng)該是最常用的RDF序列化方式。它比 RDF/XML 更緊湊，比 N-更具可讀性。

RDFa，或“The in”，是 HTML5 的擴展，它使網(wǎng)站建設(shè)者能夠在頁面上標記實體，例如誰、何地、何時、評論等，而無需更改任何顯示效果。也就是說，通過將RDF數(shù)據(jù)嵌入到網(wǎng)頁中，搜索引擎可以更好地解析非結(jié)構(gòu)化頁面，獲取一些有用的結(jié)構(gòu)化信息。讀者可以到這個頁面體驗RDFa，它直觀地展示了普通用戶看到的頁面、瀏覽器看到的頁面以及搜索引擎解析的結(jié)構(gòu)化信息。

JSON-LD，或“JSON for Data”，使用鍵值對來存儲 RDF 數(shù)據(jù)。有興趣的讀者可以參考這個網(wǎng)站。

下面，我們結(jié)合第一篇文章中羅納爾多的知識圖譜的例子，給出其N-sum的具體表示。

Example1 N-Triples:
.kg.com/person/1> .kg.com/ontology/chineseName> "羅納爾多·路易斯·納薩里奧·德·利馬"^^string.
.kg.com/person/1> .kg.com/ontology/career> "足球運動員"^^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> "里約熱內(nèi)盧"^^string.
.kg.com/place/10086> .kg.com/ontology/coordinate> "-22.908333, -43.196389"^^string.

使用時，我們會添加一個前綴（）來縮寫RDF的IRI。

Example2 Turtle:
@prefix person: .kg.com/person/> .
@prefix place: .kg.com/place/> .
@prefix : .kg.com/ontology/> .
person:1 :chineseName "羅納爾多·路易斯·納薩里奧·德·利馬"^^string.
person:1 :career "足球運動員"^^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 "里約熱內(nèi)盧"^^string.
place:10086 :address "-22.908333, -43.196389"^^string.

同一個實體有多個屬性（數(shù)據(jù)屬性）或關(guān)系（對象屬性），我們可以只用一個來表示它，使其更緊湊。我們可以將上面的內(nèi)容改為：

Example3 Turtle:
@prefix person: //www.kg.com/person/> .
@prefix place: //www.kg.com/place/> .
@prefix : //www.kg.com/ontology/> .
person:1 :chineseName "羅納爾多·路易斯·納薩里奧·德·利馬"^^string;
         :career "足球運動員"^^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 "里約熱內(nèi)盧"^^string;
            :address "-22.908333, -43.196389"^^string.

即一個實體用一個句子表示（這里的句子指的是英文句點“.”）而不是多個句子，屬性之間用分號隔開。

RDF的表現(xiàn)力

在第二篇文章（ Web, Web, Data and Graph）中，我們提到RDF表達能力有限，不能區(qū)分類和對象，不能定義和描述類關(guān)系/屬性。我的理解是，RDF 是對具體事物的描述，缺乏抽象來定義和描述同一類別的事物。以羅納爾多的知識圖譜為例，RDF可以表達羅納爾多和里約熱內(nèi)盧有什么屬性以及它們之間的關(guān)系。但是如果要定義C羅是一個人，里約熱內(nèi)盧是一個地方，一個人有什么屬性，一個地方有什么屬性，人和地方之間存在什么關(guān)系，那么RDF就無能為力了。無論是在智能概念上，還是在實際應(yīng)用中，這種泛化和抽象能力非常重要；同時，知識圖譜本身也非常強調(diào)這一點。RDFS和OWL這兩種技術(shù)，或者說模式語言/本體語言（/），解決了RDF表達能力有限的困境。

2.RDF的“衣服”——RDFS/OWL

RDFS/OWL之所以成為RDF的“衣服”，是因為它們都是用來描述RDF數(shù)據(jù)的。為了不顯得那么抽象，我們可以類比一下關(guān)系數(shù)據(jù)庫中的概念。用過Mysql的讀者應(yīng)該都知道它也叫。這與我們在這里提到的非常相似。我們可以認為數(shù)據(jù)庫中的每張表都是一個類（Class），而表中的每一行都是該類的一個實例或?qū)ο螅▽W過java等面向?qū)ο缶幊陶Z言的讀者容易理解） . 表中的每一列都是該類中包含的一個屬性。如果我們在數(shù)據(jù)庫中表示這兩類人和地點，那么分別為它們創(chuàng)建一個表；然后用另一個表來表示人和地點之間的關(guān)系。

: RDFS/OWL 序列化與 RDF 沒有區(qū)別。事實上，就表示而言，它們是RDF。其常用的方法主要是RDF/XML。另外，通常我們用小寫的詞或短語來表示屬性，用大寫來表示類。數(shù)據(jù)屬性（數(shù)據(jù)、實體與字面量之間的關(guān)系）通常由名詞組成，而對象數(shù)據(jù)（、實體與實體之間的關(guān)系）通常由動詞（has、is等）后接名詞組成。其余的遵循駝峰式。為了使它們更清晰，避免讀者混淆，我們以后將默認采用這種命名方式。讀者實踐沒有強制性的命名約定，但最好保持一致。

輕量級模式語言 - RDFS

RDFS，或“”，是最基本的模式語言。以羅納爾多的知識圖為例，我們在概念和抽象層面定義RDF數(shù)據(jù)。下面的 RDFS 定義了兩個類，人物和地點，以及每個類包含的屬性。

@prefix rdfs:  .
@prefix rdf:  .
@prefix :  .
### 這里我們用詞匯rdfs:Class定義了“人”和“地點”這兩個類。
:Person rdf:type rdfs:Class.
:Place rdf:type rdfs:Class.
### rdfs當中不區(qū)分數(shù)據(jù)屬性和對象屬性，詞匯rdf:Property定義了屬性，即RDF的“邊”。
:chineseName rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:string .
:career rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:string .
:fullName rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:string .
:birthDate rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:date .
:height rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:int .
:weight rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:int .
:nationality rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:string .
:hasBirthPlace rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range :Place .
:address rdf:type rdf:Property;
        rdfs:domain :Place;
        rdfs:range xsd:string .
:coordinate rdf:type rdf:Property;
        rdfs:domain :Place;
        rdfs:range xsd:string .

這里我們只介紹幾個比較重要和常用的RDFS術(shù)語：

1.rdfs：類。用于定義類。

2.rdfs:。用于指示屬性屬于哪個類別。

3.rdfs：范圍。用于描述該屬性的值類型。

4.rdfs:。用于描述該類的父類。例如，我們可以定義一個運動員類并聲明該類是 的子類。

5.rdfs:。用于描述該屬性的父屬性。比如我們可以定義一個name屬性，聲明中文名和全名是名字的子類。

實際上知識圖譜 本體 實體，rdf: 和 rdf:type 也是 RDFS 詞匯表，因為 RDFS 本??質(zhì)上是 RDF 詞匯表的擴展。為了不讓讀者感到困惑，我們在這里不列出它們。有關(guān)其他 RDFS 術(shù)語及其用法，請參閱 W3C 官方文檔。

為了讓讀者更直觀的理解知識圖譜中RDF和RDFS/OWL所代表的層，我們用下圖來表示示例中的數(shù)據(jù)層和模式層。

Data層是我們用RDF對C羅的知識圖譜的具體描述，是我們自己定義的一些詞匯（類別、屬性），RDF(S)是預(yù)定義的詞匯。從下到上是一個從具體到抽象的過程。圖中，我們用紅色圓角矩形表示類，綠色字體表示三個預(yù)定義的詞rdf:type、rdfs:、rdfs:range，虛線表示rdf:type的關(guān)系。另外，為了減少圖中線條的相交，我們只保留了這個屬性的rdf:type關(guān)系，省略了其他屬性的關(guān)系。

RDFS 擴展 - OWL

我們在上面提到，RDFS 本??質(zhì)上是 RDF 詞匯表的擴展。后來發(fā)現(xiàn)RDFS的表達能力還是比較有限的，于是提出了OWL。我們還可以將 OWL 視為 RDFS 的擴展，它添加了額外的預(yù)定義詞匯表。

OWL，或“Web”，是語義網(wǎng)技術(shù)棧的核心之一。OWL有兩個主要功能：

1. 提供快速靈活的數(shù)據(jù)建模能力。

2. 高效的自動推理。

先說一下如何使用OWL進行數(shù)據(jù)建模。用OWL來描述C羅知識圖譜的語義層：

@prefix rdfs:  .
@prefix rdf:  .
@prefix :  .
@prefix owl:  .
### 這里我們用詞匯owl:Class定義了“人”和“地點”這兩個類。
:Person rdf:type owl:Class.
:Place rdf:type owl:Class.
### owl區(qū)分數(shù)據(jù)屬性和對象屬性（對象屬性表示實體和實體之間的關(guān)系）。詞匯owl:DatatypeProperty定義了數(shù)據(jù)屬性，owl:ObjectProperty定義了對象屬性。
: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 .

層描述語言改為OWL后，層圖表示為：

數(shù)據(jù)屬性以青色表示，對象屬性以藍色表示。

羅納爾多的例子并不能顯示出貓頭鷹豐富的表達能力。這里我們簡單介紹一下常用的詞匯：

描述屬性的詞匯

1. 貓頭鷹：。表示該屬性是可傳遞的。例如，我們將“at”定義為傳遞屬性，如果 A 在 B 且 B 在 C 處，則 A 必須在 C 處。

2. 貓頭鷹：。表示屬性是對稱的。例如，我們將“知識”定義為具有對稱性的屬性，如果 A 知道 B，則 B 必須知道 A。

3. 貓頭鷹：。表示該屬性值的唯一性。例如，我們將“母親”定義為唯一屬性，如果 A 的母親是 B，而在其他地方我們知道 A 的母親是 C，那么 B 和 C 指的是同一個人。

4. 貓頭鷹：。定義屬性的反向關(guān)系。例如，定義“父”的逆關(guān)系是“子”，如果A是B的父，那么B一定是A的子。

本體映射詞匯 ( )

1. 貓頭鷹：。表示一個類與另一個類相同。

2. 貓頭鷹：。表示一個屬性與另一個屬性相同。

3. 貓頭鷹：。表示兩個實體是同一個實體。

本體映射主要用于融合多個獨立的（ ）。例如，張三構(gòu)建了一個本體結(jié)構(gòu)，定義了這樣一個類來表示人；李斯在他為代表人而構(gòu)建的本體中定義了 Human 類。當我們?nèi)诤线@兩個本體時，我們可以使用OWL的本體映射詞匯。回想一下，我們在第二篇文章中提到了 Open Data，如果沒有 OWL，我們將無法融合這些知識圖譜。

rdf:type owl:Class 。

rdf:type owl:Class 。

貓頭鷹： 。

更多OWL詞匯和特性請參考W3C官網(wǎng)文檔。

接下來說說OWL的推理能力。知識圖譜的推理主要分為兩類：基于本體的推理和基于規(guī)則的推理。

我們在這里談?wù)摶诒倔w的推理。讀者應(yīng)該會發(fā)現(xiàn)，上面介紹的屬性特征詞匯實際上為RDF數(shù)據(jù)的推理創(chuàng)造了前提。此時，我們可以通過添加一個支持OWL推理的推理引擎（）來進行基于本體的推理。RDFS 還支持推理。由于缺乏豐富的表達能力，推理能力不強。例如，我們使用 RDFS 來定義兩個類，人類和動物，此外，將人類定義為動物的子類。此時推理引擎可以推斷出，如果一個實體是人，那么它也是動物。OWL 當然支持這種基本推理，除此之外，憑借其強大的表達能力，我們可以進行更實際的推理。想象一個場景，我們有一個龐大的人們親屬關(guān)系數(shù)據(jù)庫。其中的許多關(guān)系都是單向的。比如只保存了A的父親（母親）是B，但是B的子字段中沒有A，如下表所示。

一個

乙

乙

如果只有一個關(guān)系，數(shù)據(jù)量很小，我們?nèi)匀豢梢允謩油瓿蛇@個關(guān)系。如果有數(shù)百種關(guān)系和數(shù)億人，我們?nèi)绾翁幚硭鼈儯啃薷摹⑻砑印h除等關(guān)系怎么辦？想到這樣的場景，我不由得瑟瑟發(fā)抖。如果我們用相互之間的反比關(guān)系來表示，上述數(shù)據(jù)可以表示為：

綠色的關(guān)系表示它確實存在于我們的RDF數(shù)據(jù)中，紅色的關(guān)系是推斷出來的。通過這個例子，相信讀者應(yīng)該對OWL的推理功能和能力有一個初步的了解。

目前OWL的最新版本是OWL 2，在兼容OWL的基礎(chǔ)上增加了新的功能。有興趣的讀者可以參考 W3C 文檔。此外，OWL 2 包含三個標準，或三個配置 ()，它們是 OWL 2 完整標準 (OWL 2/Full) 的子集。讀者目前不需要考慮它們之間的區(qū)別，只有當我們需要使用OWL自動推理功能時，才需要考慮使用哪種配置。而且在大多數(shù)情況下，我們需要知道哪種配置最合適。以下是使用它們的場景的簡要說明：

OWL 2/EL 使用場景：本體結(jié)構(gòu)中有大量相互關(guān)聯(lián)的類和屬性知識圖譜 本體 實體，設(shè)計者希望使用自動推理引擎來獲取其中的復(fù)雜關(guān)系。OWL 2/QL 用例：有很多實例數(shù)據(jù)。OWL 2 QL 本體可以重寫為 SQL 查詢，適用于使用 OBDA（基于數(shù)據(jù)）訪問關(guān)系數(shù)據(jù)庫。也就是說，我們不是將關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)顯式轉(zhuǎn)換為RDF，而是將數(shù)據(jù)庫轉(zhuǎn)換為虛擬RDF圖，通過映射進行訪問。OWL 2/RL 使用場景：需要結(jié)合基于規(guī)則的推理引擎的場合。三、總結(jié)

本文主要介紹RDF的序列化方法，如何使用RDFS/OWL進行層建模，以及OWL的推理功能。接下來，我們將介紹如何在現(xiàn)有的關(guān)系數(shù)據(jù)庫的基礎(chǔ)上，從上到下構(gòu)建自己的本體結(jié)構(gòu)。

參考博客：Learn : Learn owl and : RDFS 1.1W3C: OWL : OWL2 Data and in Large