知识表示方法与知识存储：框架表示、语义网络及应用方案简介

要对知识进行存储，首先要描述知识，即解决知识表示的问题。知识表示就是用一种理想的数据结构来描述知识。知识表示方法很多，常见的有一阶谓词逻辑、框架表示法、产生式系统和语义网络。

一阶谓词逻辑就是对原子命题进行分析，解析出个体词、谓词、量词，并研究其形式结构、逻辑关系、正确的推理形式和规则。一阶谓词逻辑具有自然性、易于转化为计算机内部形式等优点，但无法表示不确定性知识、启发性知识，容易组合爆炸，效率低下。产生式系统是一种更广泛的规则系统，依据人类大脑记忆模式中大量存在的因果关系，并以“IF-THEN”规则表示出来，通过认识-行动的循环过程求解问题。框架表示法对各种事物的认识都是以一种类似于框架的结构存储的。当出现新事物时，就从记忆中找到合适的框架，并根据实际情况对其修改、补充，形成对当前事物的认识；语义网络是一种用节点和带标记的边形成的有向图描述事件、概念、状态、动作及客体之间的关系的知识表示方法。

近年来，语义网络知识表示方法得到了广泛应用，其主要有两种形式：RDF方式和图数据库方式。

（1）RDF存储

资源描述框架（RDF：Resource Description Framework），其中R代表各类如页面、图片、视频等具有URI标识符的资源，D表示属性、特征和资源之间的关系，F表示模型、语言和这些描述的语法。RDF知识是以三元组的形式表示，即每一条知识都被分解为主谓宾SPO（subject，predicate，object），并用图模型的边和顶点（vertex，edge，vertex）将两个三元组结合起来。单纯的RDF语义表达还不够丰富，缺少对局部值域的属性定义、不相交类的定义、基数约束等。W3C提出了OWL（OWL Web Ontology Language）语言扩展了RDF，作为语义网络表示本体的推荐语言［125］。用RDF表示的知识，可以使用SPARQL知识查询语言，实现对不同的数据集进行知识推理［126］。

（2）图数据库(www.xing528.com)

图数据库相比RDF数据库更为通用，近年来得到迅猛发展。图数据库是基于图论的思想和算法而实现的高效处理复杂关系网络的数据库。图的基本元素是节点和边，对应于图数据库中的节点和关系。节点可带标签，节点和关系都可以带若干属性。关系可以将节点组织成任意的结构，允许一张图被组织成列表、树，或复杂的实体。图数据库善于高效处理大量的、多变的、复杂的、互连的数据，其计算效率远远高于传统关系型数据库。

图数据库本身提供完善的图查询语言，并支持各种图挖掘算法。目前主流图数据库有Neo4j、Microsoft Azure Cosmos DB、Datastax Enterprise、Orient DB、ArangoDB等。根据DB-Engines每月对数据库管理系统的排名，各主流图数据库受欢迎程度如下：

表6.4　图数据库引擎前10排名

（来源：https://db-engines.com/en/ranking/graph+dbms，2019.2）

可以看出Neo4j数据库以较大优势领先于其他图数据库，是当前业界分析知识图谱的主流数据库。本研究我们采用Neo4j构建食品安全追溯知识图谱。