知识图谱中的实体及关系定义＜二＞

在前文中我们将知识图谱中实体和关系的定义分为自顶向下和自底向上两种策略，在本文中我们继续深入研究知识图谱中的实体和关系定义相关内容。

实体的定义通常根据领域词典、词表来进行规范，之后根据目标需求进行自定义。

例如，对于中文地理领域实体，以《中国大百科全书–中国地理》和《百度百科》地理词条信息为数据源，参照英文标准数据集 SemEval-2010 Task-8 的数据格式，人工构建了适用于地理实体抽取语料库。

在金融实体中，对《高盛金融词汇英汉详解词典》和《英汉路透金融词典》中 8675个术语的整理和总结作如下定义： 一些常见的数据集包含学术中通用的实体以及关系，在实际研究中可以借鉴，再根据需求进行自定义。

根据 MUC7 会议提出的定义，实体关系可分为“分类关系”（Taxonomy） 和“非分类关系”（Non-Taxonomy）两大类。 例如，对于给定的文本： 从图 2.1 展示的文本中，我们可以提取出表征上下位关系的语句：“衡阳 盆地属于中国江南地区具有地域特点的红层盆地。”，其中“衡阳盆地”和“红 层盆地”两地理概念间的上下位关系描述，如图 2- 2 所示。 同理，我们可以从描述“龙门山”的地理文本中，提取出表征同义关系的 语句，地理概念词“龙门山”的描述信息，如图 2- 3 所示。 通常而言，实体关系都属于以上几类的范畴，在实际的应用中大多根据实际需求进行自定义。

例如，医疗大数据技术实体与实体关系有如下定义： 其中关系定义为：Forward(促进)、Restraint(抑制)[以上两种等同于因果关系]、Contain(包含)[上下位关系]、Similar(相似)[同义]

实体关系的定义中通用领域较为成熟，但是怎样定制目标实体、关系是需要不断突破的，我们在实践中需要多总结。实体和关系的定义一般要求不重、不漏，在定义中借助领域词典、词表和领域专家的建议是比较合适的。

[1]梁晨. 金融领域术语识别的研究[D].大连理工大学,2017. [2]王娜. 基于迁移学习的基础教育地理领域概念关系抽取[D].武汉理工大学,2017. [3]鄂海红,张文静,肖思琪,程瑞,胡莺夕,周筱松,牛佩晴.深度学习实体关系抽取研究综述[J].软件学报,2019,30(06):1793-1818.