知识图谱:让机器记住“谁跟谁有关系”这件事

去年冬天,我陪家人去门诊。 医生翻着病历,忽然抬头:你这药,跟你手上那两种会打架。 屏幕上没有弹窗,没有红字警告。是他自己记得。 那台电脑不知道。它只存了三行字——药名、剂量、日期。三种药之间横着一条要命的线,系统里没有这条线。 这事我记了很久。因为知识图谱想干的,说白了就是这条线。
医院门诊医生查阅电子病历并核对用药清单
医院门诊医生查阅电子病历并核对用药清单

数据有三种活法

第一种,躺在表格里。一行一条,整整齐齐。你查“张三的年龄”,秒回。你查“张三的医生开过哪些受管制的药”,就得连表,连到第三层,SQL 写得老长,还得担心漏。 第二种,躺在文档里。自由,灵活,你写多少它收多少。可机器读起来抓瞎。它分不清那个“他”到底指谁。 第三种,摊成一张网。点,是实体。线,是关系。 差别在哪?表格回答“是什么”。网回答“跟谁有关”。 就这么点区别,落到具体活儿上,天壤之别。

三元组:图谱的积木块

骨架其实笨得很:主语、谓语、宾语。 (老张)—[患]→(高血压) (老张)—[就诊于]→(市三院心内科) (市三院心内科)—[位于]→(城西) 就这么简单。三样东西,串起来。 但你别小看它。一旦串起来,“老张这次该挂哪个科”这种问题,机器能自己走:从老张出发,走到他得过什么病,再走到这类病通常归哪个科。 它不查表。它走路径。 麻烦也在这儿。路径一长,分支就爆炸。老张认识的人,他认识的人也认识别人……四跳之后,你面对的可能是一张铺满篮球场的关系网。所以真做起工程来,功夫多半花在“怎么少走弯路”上。
知识图谱三元组实体关系连线可视化界面
知识图谱三元组实体关系连线可视化界面
还有个东西特别容易被忽略:方向。 (老张)—[患]→(高血压),和(高血压)—[患]→(老张),意思差着十万八千里。听上去像废话,可实际项目里,同一批数据里方向写反的,真不在少数。

难点不在画图,在洗数据

难点不在画图,在洗数据
难点不在画图,在洗数据
很多人以为做图谱就是画一张漂亮的关系图。 不是。是洗数据。 同一家公司,系统里能躺着四个名字:全称、简称、带括号的旧称,还有一个拼音拼错的。它们指同一个东西吗?得判断。这叫实体消歧。 再比如时间。一句“某人是某公司CEO”,是三年前的新闻。今天还成立吗?图谱里如果只存了这句话,不存时间戳,那你就是拿旧地图找新路。走得通才怪。 还有人。 对,人。图谱做出来得有人维护,有人愿意往里加东西,有人信它。我见过团队花大半年搭好一套挺像样的图谱,上线三个月,访问日志里除了他们自己,没人点过。 不是技术不行。是没人需要。

几个常被问到的问题

问:知识图谱跟搜索引擎是什么关系? 答:你搜一家公司,结果页右上角那张小卡片——成立时间、创始人、总部在哪。那背后通常就有图谱撑着。搜索负责找,图谱负责解释。 问:大模型都这么猛了,图谱是不是过时了? 答:我倒觉得是反过来。模型擅长“像不像”,不擅长“是不是”。你让它列出某家公司全部的子公司,它会编,编得还挺流畅,语气笃定得让你差点信了。图谱不编。它要么有,要么没有。 眼下常见的做法是把两者搭一起:模型负责听懂你在问什么,图谱负责给出有据可查的那部分。一个嘴皮子溜,一个记性好。缺了谁都不太顺。 问:自己搭一套难不难? 答:看你想要多大。做个几十个实体、几百条关系的小验证,一个下午能跑通。想覆盖一个行业……那是长期工程。别信“三个月上线”这种话。

一点冷思考

一点冷思考
一点冷思考
图谱这个词,被喊得有点虚。 有些场景它确实是刚需——风控、医药、工业设备台账。关系复杂,又要求可追溯,那图谱就是好使。可有些场景纯粹是硬上:本来一张表能解决的事,非要画成一张网,然后维护成本翻十倍,最后落灰。 判断标准其实很土:你到底有没有“多跳”的问题? 如果你需要回答“这个人,通过他的同事,认识哪个能拍板的人”,那就是。如果只是查个订单状态……算了吧,用表。 回到开头那间诊室。 我后来想,那位医生脑子里装的,就是一张运行了几十年的图谱。每个病人、每种药、每次不良反应,在他那儿都是活的节点,随时能被点亮。 机器要做的事,说复杂也复杂。说简单——就是让那根线,别断。

作者|科技

排版|科技

审核|阿辰

免责声明:市场有风险,选择需谨慎!此文仅供参考,不作买卖依据。如有侵权请联系删除。
文章名称:知识图谱:让机器记住“谁跟谁有关系”这件事
文章链接:https://m.lfdjt.com/p/keji/a/25059.html