国产一区二区精品久久不卡,日产精品一区二区

搜索

APP

起點課堂會員權(quán)益

職業(yè)體系課特權(quán)

線下行業(yè)大會特權(quán)

個人IP打造特權(quán)

30+門專項技能課

1300+專題課程

12場職場軟技能直播

12場求職輔導(dǎo)直播

12場專業(yè)技能直播

會員專屬社群

榮耀標(biāo)識

發(fā)布

注冊 | 登錄

產(chǎn)品經(jīng)理的知識圖譜應(yīng)用

羅飛

2019-10-08

3 評論 19275 瀏覽 151 收藏

34 分鐘

知識圖譜對于產(chǎn)品經(jīng)理的工作有著很大的幫助，能夠建立更系統(tǒng)的設(shè)計流程，其應(yīng)用核心在于深刻理解業(yè)務(wù)。

一、什么是知識圖譜

1.1 知識圖譜的定義

知識圖譜概念開始由谷歌公司（Google）提出，為了提升搜索引擎返回的答案質(zhì)量，通過知識圖譜的構(gòu)建，去發(fā)現(xiàn)用戶查詢文本背后的語義信息，從而返回更準(zhǔn)確的信息。

我們以李小龍為例，如果不用知識圖譜，用戶搜索“李小龍的兒子是誰”時，只能通過關(guān)鍵詞搜索的方式分析網(wǎng)頁中關(guān)鍵詞包含“李小龍”“兒子”等關(guān)鍵詞的網(wǎng)頁。

但是，通過知識圖譜搜索，可以精確搜索出準(zhǔn)確答案，我們以搜狗搜索為例（見圖1.1-1）：

圖1.1-1 搜狗搜索結(jié)果

我們在搜索“李小龍的兒子是誰”的時候，首先會對這個文本進行語義識別，識別出來一個實體“李小龍”一個關(guān)系“兒子”，然后通過關(guān)系圖譜就會精確查到實體與關(guān)系的指向（見圖1.1-2），最終完成精確的檢索。

通過知識圖譜的輔助，搜索引擎通過背后的語義分析，返回更加精確，并且是結(jié)構(gòu)化的數(shù)據(jù)。

圖1.1-2李小龍的關(guān)系圖譜

追本溯源知識圖譜起源于上世紀(jì)60年代的語義網(wǎng)絡(luò)。

語義網(wǎng)絡(luò)（Semantic Network），是一種以網(wǎng)絡(luò)格式表達人類知識構(gòu)造的形式。它是由結(jié)點和結(jié)點之間的弧組成，結(jié)點表示概念(事件、事物)，弧表示它們之間的關(guān)系。

語義網(wǎng)絡(luò)是一種比較早的知識表達形式，它是一個帶標(biāo)示的有向圖，各個節(jié)點表示知識中的物體、概念、實物等，點與點之間的鏈接。

“誰是誰的什么”的指向性關(guān)聯(lián)關(guān)系，與語義網(wǎng)絡(luò)類似，在知識圖譜領(lǐng)域，是一些相互連接的實體以及屬性構(gòu)成。

所以，知識圖譜本質(zhì)上是語義網(wǎng)絡(luò)，是一種基于圖的數(shù)據(jù)結(jié)構(gòu)。

因此從數(shù)據(jù)角度來看，知識圖譜通過對結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)進行處理、抽取、整合，轉(zhuǎn)化成“實體-關(guān)系-實體”（見圖1.1-3）的三元組，然后聚合大量知識，實現(xiàn)快速的響應(yīng)。

從應(yīng)用層面來看，知識圖譜是用來描述真實世界中存在的實體，以及他們之間的關(guān)系。

圖1.1-3 三元組案例

從不同視角，基于圖1.1-3的案例，我們來看一下知識圖譜在不同技術(shù)的理解。

從互聯(lián)網(wǎng)視角來看，跟文本之間的超鏈接一樣，通過圖譜建立數(shù)據(jù)之間的語義鏈接。比如，張三的妻子是李四，通過圖數(shù)據(jù)方式支持實體、實體之間的關(guān)系的檢索。

從自然語言處理的角度來看，如何從非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)中提取數(shù)據(jù)，抽取其中的語義。比如，我們拿到張三的簡歷，簡歷上寫出生地是河北，通過提取規(guī)則來獲取到“張三”、“河北”這兩個實體，以及“籍貫”這個關(guān)系，并機構(gòu)化存儲起來。

從人工智能視角來看，如何利用知識圖譜來輔助理解人類的語言，并進行相應(yīng)關(guān)系的查詢和機器的推理。

1.2?知識圖譜的表示與存儲

我們了解了知識圖譜的概念，那么知識圖譜是如何存儲知識數(shù)據(jù)以及如何呈現(xiàn)出來的？作為產(chǎn)品經(jīng)理理解知識圖譜的表示與存儲對我們有什么意義呢？這些問題將在本章中進行解釋與回答。

1.2.1 知識圖譜的表示

所謂知識圖譜的表示，是指計算機通過何種方式來表達真實世界中包含的知識數(shù)據(jù)。

知識圖譜本質(zhì)上就是語義網(wǎng)絡(luò)的知識庫，因此我們可以簡單把知識圖譜的表示理解為多關(guān)系圖，基于向量空間學(xué)習(xí)的分布式知識表示。

我們知道圖是由點和邊來構(gòu)成的。那在知識圖譜中，用“實體”來表達圖中的點，用“關(guān)系”來表單不同點之間的聯(lián)系，例如圖1.1-3，其中的圓形的代表實體，點與點之間的連線是叫關(guān)系。

實體是現(xiàn)實世界中的事物，比如人名、地名、公司名、藥品名稱、專業(yè)知識概念、在某些場景下年齡、性別等都可以作為實體；關(guān)系是不同實體之間的真實聯(lián)系，比如李四是張三的妻子，張三的籍貫是河北等，里面的妻子、籍貫都是真實世界中的關(guān)系。

在現(xiàn)實世界社交網(wǎng)絡(luò)中，我們可以找到好多實體，比圖某某人、某某公司、某某人手機號、某某公司注冊地址等都可以作為實體數(shù)據(jù)。實體與實體之間的關(guān)系也不是一成不變的，比如人與工作崗位的關(guān)系，并不是一成不變的，是根據(jù)人的工作年限，努力程度，其工作崗位會有變動。因此人與工作崗位的關(guān)系中可以有曾任職、現(xiàn)任職等關(guān)系，案例看圖1.2-1。

圖1.2-1 某企業(yè)信用查詢APP關(guān)于企業(yè)關(guān)系的圖譜

從圖1.2-1中我們可以看到有如下“實體-關(guān)系-實體”：

某某企業(yè)與某某企業(yè)間的參股關(guān)系；
某某企業(yè)與某某人間的職位（總經(jīng)理、董事長、董事等）關(guān)系；
某某企業(yè)與某某人間的參股關(guān)系。

因此我們可以從圖中得知某某人、某某企業(yè)是實體；參股、總經(jīng)理、董事長、監(jiān)事等是關(guān)系。

知識圖譜處理表達的實體與實體間的關(guān)三元組是知識圖譜的核心。除此之外，可以表達實體的某些屬性，可以通過屬性圖來表達，比如某某人的出生日期、比如某某人的曾用名、比如某某人的介紹等。

因此，知識圖譜整體來說，是通過圖數(shù)據(jù)的形式，來表達實體與實體間的關(guān)系，實體的相關(guān)屬性的值。

1.2.2 知識圖譜的存儲

通過知識圖譜的表示，可以很直觀看到知識圖譜包含的知識數(shù)據(jù)，對于理解知識圖譜的存儲有很好的促進作用。

知識圖譜主要有兩種存儲方式：

基于RDF的存儲；
基于圖數(shù)據(jù)庫的存儲。

由于RDF以三元組的方式來存儲數(shù)據(jù)而且不包含屬性信息，圖數(shù)據(jù)庫一般以屬性圖為基本的表示方式，常用Neo4j。因此所以實體和關(guān)系可以包含屬性，能更容易表達現(xiàn)實的業(yè)務(wù)場景。

知識圖譜的原始數(shù)據(jù)類型一般來說有三類：

結(jié)構(gòu)化數(shù)據(jù)：如關(guān)系數(shù)據(jù)庫；
非結(jié)構(gòu)化數(shù)據(jù)：圖片、PDF、視頻、音頻、文本等；
半結(jié)構(gòu)化數(shù)據(jù)：百科知識、JSON、XML等。

從以上數(shù)據(jù)中提取實體、關(guān)系、屬性以及屬性值。

做后臺產(chǎn)品經(jīng)理的，對關(guān)系型數(shù)據(jù)庫并不陌生，有人會問了，按照圖1.1-3不一定通過知識圖譜通過關(guān)系圖譜也可以達到效果了，比如建一個人員基本信息表，建一個用戶間家庭關(guān)系，也可以查詢到，如圖1.2-2。

圖1.2-2 二維表關(guān)系表示

那么，知識圖譜圖數(shù)據(jù)存儲方式到底跟關(guān)系型數(shù)據(jù)庫道理有什么區(qū)別呢？

其實，關(guān)系型數(shù)據(jù)存儲方式與圖數(shù)據(jù)存儲方式之間的作用不是非此即彼的，是相互配合使用的，根據(jù)不同的業(yè)務(wù)場景來使用。

圖數(shù)據(jù)多關(guān)系的建模，關(guān)系型數(shù)據(jù)庫是不同表之間的關(guān)系，如果關(guān)系太多對關(guān)系型數(shù)據(jù)庫并不是很友好。在圖數(shù)據(jù)庫中可以把籍貫、職業(yè)拆分出來一個關(guān)系。

不僅如此，如果我們把身份證號作為一個實體，那么姓名、曾用名等都可以查分出來一個關(guān)系，這個是關(guān)系型數(shù)據(jù)庫難以做到的。

因此。圖數(shù)據(jù)庫更加適用于通過實體的分析找到對業(yè)務(wù)有力的更多的關(guān)系。比如，我們把籍貫的地址可以拆出來多個關(guān)系，現(xiàn)居住地、曾居住地、出生地等，同樣一個實體（河北）其實可以拆出來三種關(guān)系來滿足不同業(yè)務(wù)場景。

因此，知識圖譜更加關(guān)注關(guān)系，更加關(guān)注一些隱含的關(guān)系、序時變動的動態(tài)關(guān)系。當(dāng)然，多關(guān)系的查詢圖數(shù)據(jù)的性能更好。

關(guān)系型數(shù)據(jù)庫更是對數(shù)據(jù)的記錄，更多適用于一些業(yè)務(wù)流程數(shù)據(jù)，比如電商里面的訂單銷售數(shù)據(jù)、合同數(shù)據(jù)、結(jié)算數(shù)據(jù)等，能夠記錄、反應(yīng)、分析基本業(yè)務(wù)要求與場景。

而圖數(shù)據(jù)更多是配合業(yè)務(wù)要求，去輔助業(yè)務(wù)，比如訂單銷售數(shù)據(jù)中記錄了用戶買的什么產(chǎn)品這一事實，我們可以通過統(tǒng)計功能做一些業(yè)務(wù)分析。

但是如果做一些個性化推薦工作，我們可以通過圖數(shù)據(jù)的方式，通過用戶信息和產(chǎn)品某些特性之間建立關(guān)系，可以為客戶提供個性化的推薦方案——也就是說圖數(shù)據(jù)存儲方式可以幫助系統(tǒng)實現(xiàn)推理的功能。

比如，姚明是一個籃球運動員，我們知道籃球運動員有一個屬性就是身材都比較高。當(dāng)你問系統(tǒng)姚明身高的時候，系統(tǒng)可以通過姚明與籃球遠動員的關(guān)系，通過籃球運動員的屬性來推理出姚明身高——這也是圖數(shù)據(jù)庫存儲數(shù)據(jù)應(yīng)用的一個最重要的作用。

1.2.3 理解知識圖譜的表示和存儲對產(chǎn)品經(jīng)理的意義

對于理解知識圖譜的表示和存儲對產(chǎn)品經(jīng)理最重要的意義就是根據(jù)業(yè)務(wù)需求，定義實體、關(guān)系、屬性以及屬性值。

做后臺產(chǎn)品經(jīng)理我們都知道，我們在設(shè)計產(chǎn)品功能的時候，有四個基本對象需要設(shè)計：

存儲數(shù)據(jù)的字段；
梳理業(yè)務(wù)的流程；
規(guī)則設(shè)計（業(yè)務(wù)規(guī)則、輸入規(guī)則、邏輯規(guī)則等）；
頁面交互的設(shè)計。

其中字段設(shè)計是其中最基礎(chǔ)的部分，是我們后臺設(shè)計最核心的部分。

首先，我們設(shè)計后臺系統(tǒng)展現(xiàn)的表單信息來源于字段設(shè)計、業(yè)務(wù)流程中體現(xiàn)的業(yè)務(wù)信息載體是字段設(shè)計、規(guī)則設(shè)計中相關(guān)規(guī)則控制對象也是字段，因此設(shè)計好字段是后臺產(chǎn)品設(shè)計最基礎(chǔ)也是最核心的工作。

字段維度涉及如下維度：

字段所屬對象，就像后臺按照模塊分類一樣，字段也有所屬對象的分類，比如商品、用戶、訂單、結(jié)算單、提現(xiàn)單、紅包、獎勵券、客戶等，這些對象是字段承載的載體。
字段值類型，字段值類型常用的包括字符串（比較常用）、枚舉（審核狀態(tài)、是否項目等）、日期時間、浮點數(shù)（金額類型，定義小數(shù)點后位數(shù)，小數(shù)點前位數(shù)）、數(shù)字（正整數(shù)、是否可以為負等）。
字段是否必填，這個是指字段在寫入值的時候是必須有值的還是可以為空，比如新增一個商品，商品編碼、商品名稱是必填，商品關(guān)鍵字可以為空等。
字段值來源，字段值來源是指字段在寫入的時候來源于哪里，常見的包括以下幾種：來源于輸入（就是通過前段某一個頁面通過用戶輸入或是選擇獲取的值），系統(tǒng)自動生成（比如創(chuàng)建時間、業(yè)務(wù)編號等字段）；來源于其他數(shù)據(jù)（比如訂單里面的商品編碼字段，就來源商品里面的商品編碼字段）。
字段值長度，字段值長度是存儲在數(shù)據(jù)庫中值的最長長度是多少，比如字符串類型，可以規(guī)定長度32位，這個一般根據(jù)業(yè)務(wù)需求制定的一個最長長度，便于開發(fā)設(shè)計表結(jié)構(gòu)。當(dāng)你的數(shù)據(jù)項很清晰的時候，對于開發(fā)人員的理解業(yè)務(wù)、設(shè)計都有很好的促進作用。

我們做任何功能的設(shè)計，對數(shù)據(jù)的設(shè)計永遠是第一步。

對知識圖譜也一樣，我們要明確出來儲存哪些實體，建立哪些關(guān)系，哪些是屬性，屬性值是什么。

比如，防欺詐系統(tǒng)中，如果發(fā)現(xiàn)兩個不同的用戶擁有了同一個手機號或是居住地址，并且兩者沒有任何家庭關(guān)系的時候，我們就認為這是一個具有欺詐行為的用戶（因為一般用戶和手機號是一對多的，手機號對用戶是一對一的，一個手機號不太可能給兩個用戶使用）。

這時我們會把手機號、姓名、身份證號、地域作為實體，然后建立聯(lián)系方式、身份信息隸屬、居住地、家庭關(guān)系等相關(guān)關(guān)系，通過手機號、姓名的聯(lián)系方式關(guān)系查詢一目了然。

因此，圖譜的使用也離不開產(chǎn)品經(jīng)理對業(yè)務(wù)的深入理解，在深入理解的前提下，正確識別實體、關(guān)系、屬性等圖數(shù)據(jù)基本存儲方式。對于開發(fā)對業(yè)務(wù)的理解、開發(fā)的設(shè)計也是有相同的促進作用。

所以，理解知識圖譜的存儲與表示，能更好幫助產(chǎn)品經(jīng)理定義知識圖譜，定義實體、關(guān)系、屬性以及屬性值。

1.3?知識圖譜構(gòu)建過程

我們了解了什么是知識圖譜，知識圖譜的數(shù)據(jù)機構(gòu)。

那下面我們簡單描述一下如何構(gòu)建知識圖譜，以及了解如何構(gòu)建知識圖譜對我們產(chǎn)品經(jīng)理有什么幫助。

1.3.1?知識圖譜的邏輯架構(gòu)

在了解知識圖譜構(gòu)建流程之前，我們先了解一下其邏輯架構(gòu)。

知識圖譜在邏輯上分為模式層和數(shù)據(jù)層：

模式層：是知識圖譜的核心，是構(gòu)建在數(shù)據(jù)層之上，也就是定義通用概念為實體、實體鍵的關(guān)系，也成構(gòu)建本體庫，也就是指的實體-關(guān)系-實體，實體-屬性-性值。
數(shù)據(jù)層：是知識圖譜的事實數(shù)據(jù)，以相關(guān)事實為單位進行存儲，比如張三——妻子——李四；張三——出生年份——1985等。

1.3.2?知識圖譜構(gòu)建流程

知識圖譜的構(gòu)建是后續(xù)應(yīng)用的基礎(chǔ)，知識圖譜確定了本體庫，就需要對知識圖譜的數(shù)據(jù)進行構(gòu)建。具體構(gòu)建過程包含3個階段：信息抽取、知識融合、知識加工。

1）信息抽取

從各種數(shù)據(jù)源中進行實體識別、關(guān)系識別，從而抽取實體、關(guān)系、屬性以及實體間的關(guān)系，屬性的值，完成本體的知識表達，具體可以參照前文關(guān)于知識庫的表達部分。

對于知識圖譜來說，數(shù)據(jù)源我們知道有結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)。

數(shù)據(jù)渠道一般是三種：

業(yè)務(wù)的關(guān)系數(shù)據(jù)，這些數(shù)據(jù)通常包含在公司內(nèi)數(shù)據(jù)庫中；一般是結(jié)構(gòu)化數(shù)據(jù)，或者是系統(tǒng)交互中Jison數(shù)據(jù)，雖然沒有結(jié)構(gòu)化，但是仍然可以通過功能進行存儲，這種數(shù)據(jù)一般定義好本體庫可以直接使用；
網(wǎng)上公開發(fā)布的可以抓取的數(shù)據(jù)，通常以網(wǎng)頁形式存在，這種一般要通過爬蟲技術(shù)，通過本體庫相關(guān)關(guān)鍵詞進行數(shù)據(jù)的爬取并結(jié)構(gòu)化；
相關(guān)合同、文件等，比如一些保險合同、電子發(fā)票信息等；這種一般需要自然語言處理技術(shù)，進行數(shù)據(jù)信息的結(jié)構(gòu)化提取。

信息的抽取是知識圖譜構(gòu)建的第一步，關(guān)鍵的點是：如何從數(shù)據(jù)源中自動抽取到實體、關(guān)系、以及屬性等機構(gòu)化技術(shù)。

實體抽取又稱為實體識別，就是從文本中自動識別出來命名的實體，它是信息抽取中最基礎(chǔ)的部分。

關(guān)系抽取就是進行語義的識別，抽取到實體間的關(guān)系，這個是信息抽取中最關(guān)鍵的部分，也是形成網(wǎng)狀知識結(jié)構(gòu)的基礎(chǔ)。

關(guān)系的識別運用到各種算法模型以及機器學(xué)習(xí)的方法，屬性抽取實現(xiàn)的是實體屬性的完整勾勒。

2）知識融合

主要是新知識的融合、整合、判別同義、近義、消除歧義、矛盾。

比如，某些實體數(shù)據(jù)在顯示世界中有多種表達方式，公司的注冊名稱、公司的簡稱等，要對這些知識進行同義融合，再比如某些特定的稱謂也許對應(yīng)著多個不同的實體。

知識融合包括兩部分：實體鏈接和知識合并。

實體鏈接：是指對于從文本中抽取得到的實體對象，將其鏈接到知識庫中對應(yīng)的正確實體對象的操作。一般是從知識庫中選中一些候選的對象，然后通過相似度將指定對象鏈接到正確的實體。流程如下：通過實體抽取獲取實體指稱項——通過實體消歧（解決同名實體歧義）和共指消解（多個指稱指向同一實體進行相應(yīng)的合并）——將實體指稱鏈接到知識庫對應(yīng)實體。
知識合并：從第三方知識庫產(chǎn)品或是已有的結(jié)構(gòu)化數(shù)據(jù)中進行知識的獲取，一般是合并外部知識庫和和合并關(guān)系數(shù)據(jù)庫，合并中要避免實體與關(guān)系的沖突問題，防止不必要的冗余。

3）知識加工

某些知識需要進行質(zhì)量評估，并且有些還需要人工介入與甄別，并進行數(shù)據(jù)修正，然后再將正確的數(shù)據(jù)加入到知識庫中，保證其中的質(zhì)量。

知識加工主要包含：本體構(gòu)建、知識推理和質(zhì)量評估。

我們從數(shù)據(jù)源中通過信息的抽取、實體、關(guān)系的識別，相關(guān)異常數(shù)據(jù)融合后，我們可以構(gòu)建本體庫了。

但是構(gòu)建完本體庫后，算是雛形搭建好了，有關(guān)系可能存在殘缺，這時候我們就可以運用推理技術(shù)，完成進一步知識的發(fā)現(xiàn)。比如A是B的配偶，B是生活在C城市。如果我們從數(shù)據(jù)中沒有提取到A和C的關(guān)系，那我們可以通過配偶關(guān)系，推理出來A也生活在C。

質(zhì)量評估就是知識的可信度進行量化，對一些置信度比較低的知識進行舍棄。在處理過程中，人的參與也非常重要。

1.3.3?了解知識圖譜的構(gòu)建對產(chǎn)品經(jīng)理的意義

在知識圖譜構(gòu)建過程中，會綜合運用知識圖譜存儲技術(shù)、相似度算法模型、深度學(xué)習(xí)等技術(shù)方法，是不是只需要技術(shù)人員參與就可以了？

其實并不是。

相反，他需要產(chǎn)品經(jīng)理與技術(shù)人員更加深度的合作與交流，并且在整個圖譜的建設(shè)過程中都少不了產(chǎn)品經(jīng)理的參與；在某些圖譜建設(shè)過程中產(chǎn)品經(jīng)理還處于主導(dǎo)作用。

當(dāng)你打算構(gòu)建一個知識圖譜，僅僅只靠技術(shù)人員去構(gòu)建是不夠的，需要產(chǎn)品經(jīng)理做出業(yè)務(wù)定義，理解業(yè)務(wù)所需要的圖譜數(shù)據(jù)，指明圖譜中哪些是實體，哪些是屬性，實體間有什么樣的關(guān)系，這些都是要由產(chǎn)品經(jīng)理定義好的。

并且在建設(shè)圖譜來看，需要產(chǎn)品經(jīng)理與技術(shù)人員之間更加深入的交流與配合，更加要求產(chǎn)品懂得技術(shù)的應(yīng)用流程。比如業(yè)務(wù)數(shù)據(jù)的提供、數(shù)據(jù)范圍的劃分，圖譜提取之后的驗證等。

每一步的構(gòu)建過程都需要產(chǎn)品經(jīng)理與技術(shù)人員的溝通，所以對于AI產(chǎn)品經(jīng)理很重要的一點：理解技術(shù)，理解技術(shù)的應(yīng)用，參與到技術(shù)應(yīng)用過程中。

二、知識圖譜應(yīng)用

通過了解支持圖譜是什么，知識圖譜如何表示，知識圖譜的構(gòu)建過程之后，那么一個完整的知識圖譜是如何設(shè)計的呢？

主要包含以下步驟：

定義業(yè)務(wù)需求；
數(shù)據(jù)收集與處理；
圖譜數(shù)據(jù)的設(shè)計；
知識圖譜的存儲；
算法開發(fā)；
應(yīng)用開發(fā)。

很多人都認為，構(gòu)建知識圖譜主要靠算法和開發(fā)，但事實最重要的是對業(yè)務(wù)需求的理解以及圖譜數(shù)據(jù)的設(shè)計。

就像我們在做后臺產(chǎn)品設(shè)計的時候，數(shù)據(jù)庫表設(shè)計尤其關(guān)鍵，數(shù)據(jù)庫表設(shè)計的數(shù)據(jù)項與業(yè)務(wù)的深入理解是緊密聯(lián)系在一起的。

因此，設(shè)計知識圖譜跟我們產(chǎn)品經(jīng)理設(shè)計其他產(chǎn)品一樣：理解業(yè)務(wù)，設(shè)計數(shù)據(jù)字段。

圖2-1借鑒李文哲對知識圖譜構(gòu)建理解

通過上圖我們知道，一個知識圖譜的構(gòu)建最重要的是業(yè)務(wù)理解、圖譜數(shù)據(jù)的設(shè)計，這恰恰是產(chǎn)品經(jīng)理需要主導(dǎo)的設(shè)計工作。

因此下文將重點介紹一下定義業(yè)務(wù)需求、數(shù)據(jù)收集與處理以及圖數(shù)據(jù)的設(shè)計。

2.1?定義業(yè)務(wù)需求

在知識圖譜中定義業(yè)務(wù)需求主要是兩方面：

1）要解決什么問題

這個跟咱們做前端、后臺產(chǎn)品經(jīng)理一樣，我們可以通過理解業(yè)務(wù)流程、數(shù)據(jù)字段的梳理、通過原型交互的實現(xiàn)來實現(xiàn)我們的業(yè)務(wù)需求。知識圖譜也一樣，圖譜也有上層應(yīng)用，比如問答機器人、個性化推薦等，通過一定應(yīng)用介質(zhì)實現(xiàn)需求的輸入和輸出。

2）解決這個問題，是否需要使用知識圖譜？

回答這個問題就是需要我們在設(shè)計需求的時候，我們通過什么樣的數(shù)據(jù)存儲就可以解決我們的業(yè)務(wù)需求。實際上有時候我們完成業(yè)務(wù)需求的時候，用關(guān)系型的數(shù)據(jù)庫就可以完成，那么我們也就不需要知識圖譜了。

什么樣的需求可以用知識圖譜呢？

要想解決這個問題，就需要我們深入理解數(shù)據(jù)的存儲方式，目前數(shù)據(jù)存儲的設(shè)計主要是關(guān)系型數(shù)據(jù)庫和知識圖譜型的數(shù)據(jù)存儲。因此了解需求所需要的數(shù)據(jù)，以及數(shù)據(jù)的使用方式，是判定是否使用知識圖譜最好的方法。

知識圖譜對比關(guān)系型數(shù)據(jù)庫，最大的功能是數(shù)據(jù)間的多關(guān)系應(yīng)用，一般知識圖譜數(shù)據(jù)存儲方式解決的是多關(guān)系以及關(guān)系間的深度搜搜、對關(guān)系的查詢實時性要求、多樣化的數(shù)據(jù)以及數(shù)據(jù)孤島的問題。

當(dāng)然，處理關(guān)系深度需求需要知識圖譜之外，我們知道知識圖譜還有一個推理的作用，因此涉及到推理的需求也可以考慮知識圖譜。

2.1.1?關(guān)系需求

關(guān)系需求，就是說需求設(shè)計到數(shù)據(jù)間多關(guān)系的查詢，多關(guān)系的應(yīng)用，可以考慮知識圖譜。

那么，具體什么樣的關(guān)系可以通過知識圖譜呢？以下提供兩個思路給予借鑒：

1）某一數(shù)據(jù)存在與多實體產(chǎn)生關(guān)系

某一數(shù)據(jù)存在與多實體產(chǎn)生關(guān)系，是指某一項數(shù)據(jù)跟多個實體間有關(guān)系，這樣通過這一條數(shù)據(jù)的查找可以找到相關(guān)實體的數(shù)據(jù)。

比如，我們把一個年齡數(shù)據(jù)做成一個實體，實體是30周歲，張三年齡是30周歲，某一款產(chǎn)品試用范圍是10-50周歲；如果我們通過這個人的年齡查找這個產(chǎn)品，我們可以建立兩個實體間的關(guān)系，一個是人的年齡關(guān)系，一個是產(chǎn)品適用年齡關(guān)系，這樣就能很快查找到。

2）多實體間多關(guān)系查找實體

多實體間多關(guān)系查找實體，是指一個實體與另一個實體的時候，存在多個關(guān)系，通過多個關(guān)系去查找另一個實體。

比如，人、出生地、年齡之間有三個實體、兩個關(guān)系，某一款產(chǎn)品、售賣地區(qū)、適用年齡也是三個實體兩個關(guān)系；通過人的出生地、年齡實體數(shù)據(jù)以及關(guān)系，可以相應(yīng)查到這個售賣地區(qū)、適用年齡的某款產(chǎn)品。

因此我們可以發(fā)現(xiàn)知識圖譜能解決數(shù)據(jù)間多關(guān)系、深層次關(guān)系的實體查詢。

2.1.2?推理需求

知識圖譜不僅僅是根據(jù)關(guān)系的檢索，更大的核心用途是推理，發(fā)現(xiàn)圖譜中的隱藏關(guān)系，而不是發(fā)現(xiàn)新知識。

1）通過實體間的關(guān)系推理相關(guān)關(guān)系

通過多實體間的關(guān)系，可以推斷其他的關(guān)系，比如張三和李四之間是夫妻關(guān)系，王五是張三的領(lǐng)導(dǎo)，王五居住在A城市，我們可以推論李四也居住在A城市。

2）通過實體間的關(guān)系推理相關(guān)屬性

通過多實體間的關(guān)系，實體的屬性值，可以推斷其實體的屬性值。這個與通過實體間的關(guān)系推論關(guān)系道理類似，也可以通過一個實體間的關(guān)系、根據(jù)實體的屬性推斷另一個實體的屬性。

在AI中涉及到推理的方法有很多，有基于邏輯的推理，有基于深度學(xué)習(xí)的推——這個就是基于圖譜的推理，也就是通過關(guān)系、屬性的因素做的推理。

2.2 數(shù)據(jù)的收集與處理

定義好業(yè)務(wù)需求，就得根據(jù)業(yè)務(wù)需求找相關(guān)的數(shù)據(jù)。

我們在知識圖譜的構(gòu)建過程中關(guān)于信息的提取，介紹過都可以用那些數(shù)據(jù)，這里重點介紹我們在收集數(shù)據(jù)的時候如何跟技術(shù)同事配合。

2.2.1?結(jié)構(gòu)化數(shù)據(jù)

結(jié)構(gòu)化數(shù)據(jù)是知識圖譜最信賴的數(shù)據(jù)，通常來自于我們業(yè)務(wù)系統(tǒng)產(chǎn)生的數(shù)據(jù)，比如一些用戶畫像數(shù)據(jù)、銷售數(shù)據(jù)、合同數(shù)據(jù)、資源數(shù)據(jù)、財務(wù)數(shù)據(jù)等。

凡是已經(jīng)結(jié)構(gòu)化的關(guān)系型數(shù)據(jù)，我們都可以結(jié)合業(yè)務(wù)的需求，來判定是否需要加入知識圖譜中，對于這些數(shù)據(jù)我們?nèi)绾翁峁┙o技術(shù)同事呢？

很簡單，我們通過EXCEL表就可以了，只要告訴結(jié)構(gòu)化數(shù)據(jù)中哪些需要寫入到圖譜中就可以了。

2.2.2?半結(jié)構(gòu)化數(shù)據(jù)

半結(jié)構(gòu)化數(shù)據(jù)要考慮兩點：

在開發(fā)資源中沒有存儲在結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)庫中，但是存在Jison中的數(shù)據(jù)，這些可以通過開發(fā)能力解析Jison中的數(shù)據(jù)，結(jié)構(gòu)化到知識圖譜中；
通過數(shù)據(jù)爬蟲的方式，爬蟲工程師在網(wǎng)頁上爬去相關(guān)的數(shù)據(jù)，這需要產(chǎn)品經(jīng)理指明爬取的網(wǎng)頁、網(wǎng)頁的哪些數(shù)據(jù)項、這些數(shù)據(jù)項拆分哪些字段，先形成結(jié)構(gòu)化數(shù)據(jù)，然后在計入到知識圖譜中。

2.2.3?非結(jié)構(gòu)化數(shù)據(jù)

非結(jié)構(gòu)化數(shù)據(jù)主要是一些文檔、文件等，比如一些合同文件、文章、PDF文檔等，需要產(chǎn)品經(jīng)理明確好要提取這些文檔哪些知識、提取規(guī)則，在通過算法識別、提取、訓(xùn)練等提取成結(jié)構(gòu)化數(shù)據(jù)，然后計入到知識圖譜中。