3. 知识图谱核心技术栈：实体识别、关系抽取、知识融合、知识推理

好，咱们直接切入正题。知识图谱的构建，说白了就是四步走：找实体、抽关系、做融合、搞推理。这四步环环相扣，少一步都不行。我当年刚入行时，总觉得把实体和关系抽出来就完事了，结果做出来的图谱乱七八糟，根本没法用。后来才明白，后面的融合和推理才是真正的灵魂。

3.1 实体识别：从文本中挖出“主角”

实体识别，也叫命名实体识别（NER）。它的任务很简单——从一段话里把人名、地名、机构名、时间、金额这些关键信息拎出来。

举个例子，输入“苹果公司2023年营收3832亿美元”，我们要能识别出：

• 苹果公司 → 机构名
• 2023年 → 时间
• 3832亿美元 → 金额

我个人习惯用BiLSTM-CRF或者BERT+CRF来做。为什么加CRF？因为CRF能学习标签之间的转移关系，比如“B-ORG”后面不能直接跟“I-PER”，这种约束CRF天然就能处理。

我在项目中遇到过一个大坑：实体嵌套。比如“北京大学人民医院”，里面既有“北京大学”（机构），又有“人民医院”（机构）。传统的序列标注模型很难同时识别出这两层。后来我改用指针网络才勉强解决。

3.2 关系抽取：把实体之间的“联系”找出来

实体找到了，但它们之间是什么关系？这就是关系抽取要干的事。

比如句子“马云创立了阿里巴巴”，我们要抽取出：

• 实体1：马云
• 关系：创立
• 实体2：阿里巴巴

关系抽取有两种主流做法：

1. 流水线方法：先做实体识别，再做关系分类。简单，但容易传播错误。
2. 联合抽取方法：实体和关系一起做。我推荐用CasRel或者TPLinker，效果更好。

你想想看，如果实体识别把“阿里巴巴”漏了，那关系抽取肯定也白搭。所以联合抽取才是更靠谱的路子。

3.3 知识融合：把碎片拼成完整的拼图

实体和关系都抽出来了，但问题来了——同一个实体可能有多种叫法。比如“苹果公司”、“Apple Inc.”、“苹果”其实指的是同一个东西。知识融合就是干这个的：消除歧义、合并同义。

知识融合的核心步骤：

1. 实体对齐：判断两个实体是否指向同一个真实世界对象。
2. 属性融合：把不同来源的属性合并到一起。
3. 冲突消解：当不同来源的信息矛盾时，决定信哪个。

举个例子，我从财报里抽到“营收100亿”，从新闻里抽到“营收10 billion”。融合时就要判断：100亿人民币和10亿美元是不是同一个数？汇率怎么算？

常用的融合方法有：

• 基于规则：比如编辑距离、Jaccard相似度。
• 基于嵌入：把实体映射到向量空间，计算余弦相似度。
• 基于图：利用实体之间的邻居关系做对齐。

3.4 知识推理：从已知推未知

知识推理是知识图谱的“高阶玩法”。说白了，就是利用已有的知识，推导出新的知识。

比如图谱里有：

• “A公司” 投资了 “B公司”
• “B公司” 的 CEO 是 “张三”

推理可以得出：“A公司” 可能认识 “张三”。这在投资决策中非常有用——你可以在二级市场找到潜在的合作方或竞争对手。

推理方法主要有三类：

方法	原理	适用场景
基于规则的推理	人工定义逻辑规则	领域明确、规则清晰
基于嵌入的推理	TransE、RotatE等	大规模图谱、自动学习
基于图的推理	GCN、GAT等	复杂关系、多跳推理

我个人最常用的是TransE。它的思想很简单：如果存在关系r，那么头实体h加上关系r应该等于尾实体t。即 h + r ≈ t。嗯，虽然简单，但在很多场景下效果出奇的好。

3.5 本章知识体系总览

下面这张图，是我自己梳理的知识图谱核心技术栈。你看一眼就能明白这四步是怎么串起来的。

这张图把整个技术栈串起来了。从原始文本出发，经过实体识别、关系抽取，再到知识融合和推理，最终服务于投资决策。每一步都有坑，但也都有对应的解法。