圖模型由節(jié)點(diǎn)和邊組成。節(jié)點(diǎn)表示實(shí)體或概念，邊則由屬性或關(guān)系構(gòu)成。

實(shí)體指的是具有可區(qū)別性且獨(dú)立存在的某種事物，如某一個(gè)人、某一個(gè)城市、某一種植物、某一種商品等，是圖模型中的最基本元素；

概念是對(duì)特征的組合而形成的知識(shí)單元，主要指集合、類別、對(duì)象類型、事物的種類，例如人物、地理等；

屬性主要指描述實(shí)體或概念的特征或特性，例如人員的國(guó)籍、生日等。

我們以“哲學(xué)家”為例設(shè)計(jì)圖模型，如圖5-13所示。

▲圖5-13 圖模型示例

圖模型構(gòu)建包含幾個(gè)關(guān)鍵步驟，如圖5-14所示。

▲圖5-14 企業(yè)圖模型構(gòu)建步驟

第一步：業(yè)務(wù)場(chǎng)景定義

業(yè)務(wù)場(chǎng)景決定信息涵蓋范圍，以及信息顆粒度的表示。

以支撐業(yè)務(wù)連續(xù)性為例，因?yàn)椴豢煽沽Φ挠绊懀糠謪^(qū)域的供應(yīng)商工廠無法正常生產(chǎn)和發(fā)貨，涉及的信息包括供應(yīng)商的信息、產(chǎn)能、元器件及內(nèi)部物料、合同和客戶信息，要求能夠根據(jù)用戶輸入的當(dāng)前物料儲(chǔ)備和合同狀態(tài)，獲取影響內(nèi)部物料、產(chǎn)品、合同交付和客戶的清單和范圍。

這種應(yīng)用涉及對(duì)產(chǎn)品目錄和配置的解讀，需要對(duì)收集的信息進(jìn)行最小采購(gòu)器件的抽取。

信息顆粒度在圖模型建設(shè)中是個(gè)不可忽視的問題，根據(jù)應(yīng)用場(chǎng)景決定信息顆粒度以及圖模型的精確性與有效性。比如手機(jī)，有品牌、型號(hào)、批次，直至手機(jī)整機(jī)。同樣的信息范圍，顆粒度越細(xì)，圖模型應(yīng)用越廣泛，關(guān)系越豐富，但冗余越多，知識(shí)消費(fèi)越低效。信息顆粒度的原則是“能滿足業(yè)務(wù)應(yīng)用的最粗顆粒度”。

第二步：信息收集

信息的選取要考慮兩個(gè)方面的內(nèi)容。

與應(yīng)用場(chǎng)景直接相關(guān)的信息。例如，判斷不可抗力供應(yīng)中斷影響的范圍，直接相關(guān)的信息有物料信息、產(chǎn)品配置、合同信息等。

與應(yīng)用場(chǎng)景間接相關(guān)，但可輔助理解問題的信息。這包括企業(yè)信息、專業(yè)領(lǐng)域信息、行業(yè)信息以及開放域信息。

第三步：圖建模

相同的數(shù)據(jù)可以有若干種模式的定義，良好的模式可以減少數(shù)據(jù)冗余，提高實(shí)體識(shí)別的準(zhǔn)確率，在建模的過程中，要結(jié)合數(shù)據(jù)特點(diǎn)與應(yīng)用場(chǎng)景來完成。同樣的數(shù)據(jù)從不同的視角可以得出不同的圖模型。

第四步：實(shí)體、概念、屬性、關(guān)系的標(biāo)注

企業(yè)圖模型中涉及的實(shí)體和概念可分為三類：

公共類，如人名、機(jī)構(gòu)名、地名、公司名、時(shí)間等；

企業(yè)類，如業(yè)務(wù)術(shù)語、企業(yè)部門等；

行業(yè)類，如金融行業(yè)、通信行業(yè)等。

第五步：實(shí)體和概念的識(shí)別

企業(yè)圖模型中實(shí)體、概念的識(shí)別可將業(yè)務(wù)輸入與數(shù)據(jù)資產(chǎn)中已有的信息作為種子，運(yùn)用命名實(shí)體識(shí)別（NER）的方法擴(kuò)展出新實(shí)體概念，經(jīng)業(yè)務(wù)確認(rèn)后，列入實(shí)體、概念庫(kù)。

第六步：屬性識(shí)別與關(guān)系識(shí)別

企業(yè)圖模型中的屬性與關(guān)系一般是根據(jù)業(yè)務(wù)知識(shí)在模式層設(shè)計(jì)時(shí)定義，屬性與關(guān)系相對(duì)穩(wěn)定，其擴(kuò)展場(chǎng)景不是很多。

企業(yè)圖模型的存儲(chǔ)技術(shù)要綜合考慮應(yīng)用場(chǎng)景、圖模型中節(jié)點(diǎn)和聯(lián)接的數(shù)量、邏輯的復(fù)雜度、屬性的復(fù)雜度，以及性能要求。一般建議采用混合存儲(chǔ)方式，用圖數(shù)據(jù)庫(kù)存儲(chǔ)關(guān)系，關(guān)系型數(shù)據(jù)庫(kù)或鍵值對(duì)存儲(chǔ)屬性。偏重邏輯推理的應(yīng)用場(chǎng)景用RDF的存儲(chǔ)方式，偏重圖計(jì)算的應(yīng)用場(chǎng)景選擇屬性圖的存儲(chǔ)方式。發(fā)揮兩類數(shù)據(jù)存儲(chǔ)和讀寫的各自優(yōu)勢(shì)。

知識(shí)計(jì)算主要是根據(jù)圖譜提供的信息得到更多隱含的知識(shí)，如通過模式層以及規(guī)則推理技術(shù)可以獲取數(shù)據(jù)中存在的隱含信息。知識(shí)計(jì)算涉及三大關(guān)鍵技術(shù)：圖挖掘計(jì)算、基于本體的推理、基于規(guī)則的推理。圖挖掘計(jì)算是基于圖論的相關(guān)算法，實(shí)現(xiàn)對(duì)圖譜的探索和挖掘。圖挖掘計(jì)算主要分為如下6類。

圖遍歷：知識(shí)圖譜構(gòu)建完之后可以理解為是一張很大的圖，可以去查詢和遍歷這個(gè)圖，要根據(jù)圖的特點(diǎn)和應(yīng)用場(chǎng)景進(jìn)行遍歷。

圖里面經(jīng)典的算法，如最短路徑。

路徑的探尋，即根據(jù)給定兩個(gè)實(shí)體或多個(gè)實(shí)體去發(fā)現(xiàn)它們之間的關(guān)系。

權(quán)威節(jié)點(diǎn)的分析，這在社交網(wǎng)絡(luò)分析中使用較多。

族群分析。

相似節(jié)點(diǎn)的發(fā)現(xiàn)。

圖挖掘計(jì)算如圖5-15所示。

▲圖5-15 圖模型示例

圖挖掘計(jì)算在當(dāng)前的應(yīng)用場(chǎng)景中，基于業(yè)務(wù)連續(xù)性，通過查詢遍歷圖模型，識(shí)別影響節(jié)點(diǎn)和影響范圍，基于最短路徑，輔助決策物流線路，在企業(yè)中的應(yīng)用較為普遍。

圖模型在企業(yè)中的價(jià)值，很大程度上取決于企業(yè)基于對(duì)象節(jié)點(diǎn)可以構(gòu)建多完善的關(guān)系，這個(gè)關(guān)系的構(gòu)建是一個(gè)逐步完善的過程，基于業(yè)務(wù)場(chǎng)景不斷補(bǔ)充和完善關(guān)系，這就是圖模型的優(yōu)勢(shì)。

當(dāng)形成一個(gè)足夠完善的企業(yè)級(jí)圖模型后，領(lǐng)域分段的業(yè)務(wù)場(chǎng)景應(yīng)用只需要裁剪部分節(jié)點(diǎn)和關(guān)系，就可以滿足業(yè)務(wù)的需求，達(dá)到快速響應(yīng)業(yè)務(wù)需求、降低開發(fā)成本的目的。
責(zé)任編輯人：CC