一、三元组：一句话就是一个事实

最朴素的存法：每句话拆成「主体、关系、客体」三条，一条一行。

二、图查询：沿边跳，跳数必须限定

「张三的祖父是谁」拆成两跳：先找父亲，再找父亲的父亲。 一条 1 跳、一条 2 跳，拼起来就是答案：张老。 单跳还好，多跳就麻烦了。从张三出发、不限关系地走：

三、推理：没写下的事实能不能自己长出来

加一条规则：如果 x 位于 y、y 位于 z，那么 x 位于 z。 然后反复套，直到再也推不出新东西。

四、本体：让属性只写一份

把「类」也写成节点，就能表达层次：动物 → 人 → 学生 → 大学生。 每个类只声明自己新增的属性： 动物需要呼吸、人会说话、学生有学号、大学生一条都没声明。 实例属于某个类，就顺着层次往上把属性全继承下来： 张三（学生）拿到「有学号、会说话、会用工具、需要呼吸」四条。 李四（大学生）拿到的完全一样。 这就是本体的用处：知识只写一份，靠层次传下去。 跟数据库的继承是两回事——数据库的表结构没有「大学生是学生」这种语义。 代价也很实在：继承链一长，改一个上层属性会影响多少下层，很难一眼看清。 这也是大型本体难维护的原因。

五、两个绕不开的难点

第一个：实体对齐。「张三」「张 三」「张先生」「Zhang San」「张三（工程师）」—— 五个字符串指的是同一个人，字面比对只有一个能对上。 这是知识图谱里最贵的工序。 存、查、推理都不难，难的是「把说的都是谁对齐」。 第二个：没说的事算不算假？

六、动手 Demo：把知识拆成一句一句的主谓宾

五段：三元组与邻接表、沿边查询、规则推理到不动点、类层次与属性继承、 实体对齐和两种世界假设。 没有用图数据库，也没有用推理机。 十七个节点、三个 while 循环，够把每一步看清了。

TRI = [(u"张三", u"父亲", u"张一"), (u"张一", u"父亲", u"张老"),
       (u"宜昌", u"位于", u"湖北"), (u"湖北", u"位于", u"中国")]

EDGE = {}                         # 主语 + 关系 -> 宾语列表
for s, p, o in TRI:
    EDGE.setdefault((s, p), []).append(o)

# 反复套规则，直到不动点
while True:
    new = set()
    for s, p, o in KNOWN:
        if p != u"位于":
            continue
        for s2, p2, o2 in KNOWN:
            if p2 == u"位于" and s2 == o:
                new.add((s, u"位于", o2))
    new -= KNOWN
    if not new:
        break
    KNOWN |= new

实跑输出：

--------------------------------------------------------------------
把知识拆成一句一句的主谓宾
--------------------------------------------------------------------
==============================================================

[1] 三元组：一句话就是一个事实

  17 条三元组，每条都是「主体、关系、客体」：

    主语      关系      宾语
    张三      父亲      张一
    张一      父亲      张老
    张三      居住在    宜昌
    宜昌      位于      湖北
    湖北      位于      中国
    张三      是        学生
    ……（共 17 条）

  按「谁 + 什么关系」归一下，就是一张邻接表：

    节点      出边
    张三      父亲→张一、居住在→宜昌、是→学生、喜欢→编程
    张一      父亲→张老、是→工程师
    宜昌      位于→湖北、属于→城市
    学生      属于→人

  **同一批事实，换一种存法就换一种问法。**
  **属性表和三元组能互转，区别只在于「关系」能不能带层次。**

[2] 查「张三的祖父是谁」：沿边跳两跳

  单跳只要查表，两跳就要拼：先找父亲，再找父亲的父亲。
    张三 --父亲--> 张一
    张一 --父亲--> 张老
    所以张三的祖父是：张老

  跳数一多，能摸到的范围会迅速铺开。下面这张表是「从张三出发、不限关系、只走 k 步」：

    步数 k    这一步新摸到  累计节点数    新摸到的是
    1         4             5             学生、宜昌、张一、编程
    2         6             11            人、城市、工程师、张老、技能、湖北
    3         4             15            中国、动物、省、退休工人
    4         1             16            亚洲

  **四步就把全图 16 个节点摸遍了——从 1 个出发，一个不漏。**
  **而这个图只有 17 条边，真实图谱是十亿条量级。**
  **真实知识图谱里一个节点有几十种关系，不限定类型地乱走，三步就能铺满半个图。**
  **所以图查询必须写清「走哪种边、最多几步」。**

[3] 推理：没写下来的事实，能不能自己推出来

  加一条规则：**如果 x 位于 y，且 y 位于 z，那么 x 位于 z。**
  然后反复套这条规则，直到再也推不出新东西：

    轮次      新增事实    这次推出来的
    第 1 轮   2           宜昌 位于 中国、湖北 位于 亚洲
    第 2 轮   1           宜昌 位于 亚洲
    第 3 轮   0           （不动点，停）

  **17 条事实推出 3 条新事实，最后停在 20 条。**
  现在问「宜昌在哪个国家」，一条链两跳就答上了：宜昌 → 湖北 → 中国。
  这两条事实里，「宜昌 位于 中国」原来并不在库里，是推出来的。

  **注意推理是可以链式触发的：第一轮推出的「宜昌 位于 中国」，**
  **第二轮又能和「中国 位于 亚洲」接着拼。所以必须跑到不动点，不能只跑一遍。**

[4] 本体：把「类」也写成节点，属性就能继承

    类        父类      自己声明的属性
    动物      —         需要呼吸
    人        动物      会说话、会用工具
    学生      人        有学号
    大学生    学生      （一条都没声明）

  实例属于某个类，就能顺着类层次往上把属性全继承下来：

    张三（学生）：有学号、会说话、会用工具、需要呼吸
    李四（大学生）：有学号、会说话、会用工具、需要呼吸

  **「大学生」自己一条属性都没声明，可它继承了学生的学号、人的说话、动物的呼吸。**
  **这就是本体的用处：知识只写一份，靠层次传下去。**
  **代价是——继承链一长，改一个上层属性会影响多少下层，很难一眼看清。**

[5] 落地难在哪：同一件事有好几种写法

  五个字符串，指的是同一个人。字面比对的结果：

    写法              和「张三」完全一样  字数
    张三              是                  2
    张 三             否                  3
    张先生            否                  3
    Zhang San         否                  9
    张三（工程师）    否                  7

  **五个里只有一个能对上。**这就是实体消解问题——
  **图谱里最贵的工序不是存，是把「说的都是谁」对齐。**

  还有一条更根本的分歧：**没写下来的事实，算「不知道」还是算「假」？**
    假设                「张三会游泳」怎么判
    封闭世界（数据库）  没写就是假
    开放世界（语义网）  没写就是不知道，可能为真

  **数据库默认封闭世界，所以「查不到」等于「不存在」。**
  **语义网默认开放世界，所以它永远不敢说「没有」——这也是它推不动的原因之一。**
  两种假设各有各的道理，混着用就会出荒谬的结论。

  五段连起来：**三元组把知识拆成一句一句的主谓宾**；
  **图查询靠沿边走，跳数必须限定**；
  **规则能把没写下的事实推出来，但要跑到不动点**；
  **本体靠层次让属性只写一份**；
  **而真正贵的是「对齐」——同一个东西有几个名字，几套假设。**

第 1 段那张邻接表就是图。 「张三」有三条出边，「学生」只有一条——出边条数就是这个词在知识里的角色丰富程度。 第 2 段表格最右一列（累计）比中间那列更值得看： 第三、四步新摸到的越来越少，说明这个图很小、已经快摸完了。 真实图谱的半径是五六跳，而且每跳都成千上万。 第 3 段那个「第二轮才推出宜昌位于亚洲」是关键。 它说明推理顺序会影响结果——只跑一遍和跑到不动点，答案不一样。 第 4 段「李四」和「张三」的属性完全一样，不是巧合： 大学生自己没声明属性，它拿到的每一条都是继承来的。 第 5 段那张两行的表，是这一节真正的结论。 封闭世界和开放世界不是技术细节，是两种看世界的态度。

30 秒实验

1. 往第 1 段加一条「张老 是 退休工人」，重跑第 2 段。 四步就摸不到全图了——多一个节点，半径就得再加一跳。
2. 把第 3 段的规则从「位于」换成「属于」，重跑。 能推出「张三 属于 动物」这类新事实—— 同一个引擎，换个关系名就是另一套推理，这就是规则和数据结构分离的好处。
3. 在第 5 段加一个「张三 会 游泳」的三元组，重跑。 封闭世界下它从「假」变成「真」—— 一条事实就能翻转结论，这是开放世界的麻烦，也是它的老实。

常见误区

1. 以为「知识图谱就是一张大图」。图只是存法。 真正让它是「知识」的，是关系的语义和能推理的规则。
2. 以为「三元组能表达一切」。「张三每个月工资从 8000 涨到 9000」这种带时间、带变化的事实， 朴素三元组表达不了，得加时间戳或者把事件本身变成节点。
3. 以为「推理越多越好」。规则一多，推出来的废话和错话也成倍增长。 真实系统要限制推理深度，宁可少推，不可乱推。
4. 以为「语义网失败是因为技术不行」。它的核心假设是「开放世界加全球统一本体」。
5. 这个假设和工程现实冲突太大。今天的知识图谱走的是另一条路：小范围、封闭、够用就行。

第 12 章到这里结束。 下一章换到机器那一侧：这些计算到底跑在什么机器上，一台不够时怎么拼成一群。 分布式、并行、硬件配置、软件配置，四节把「算力」这件事讲清楚。

• ☐ （本章完，下一节 13.1 分布式计算和并行计算）

相关笔记

• 检索
• 知识获取和统计语义学
• 分布式人工智能
• 📘 图解人工智能 · 索引