知识图谱 -- deepdive介绍与安装

前言

最近在实践知识图谱的过程中，发现阿里目前在神马搜索构建知识图谱的过程使用了deepdive进行了关系抽取，另外就是利用深度学习PCNNs进行关系抽取。通过在对deepdive进行了解的过程中，deepdive非常适合信息抽取，是构建知识库的利器。能够基于词性标注、句法分析等通过各种文本规则实现实体之间关系的抽取，同时可面向异构、海量的数据。这里会重点介绍deepdive各个方面

涉及的原理和概念

工作机制：

具体过程：首先对数据进行清洗，进行实体识别，之后进行实体关联，最终输出满足指定关系的集合。对于官网实例，输入是一个文档集合和一个小的人工标注的实例集合，输出就是属于couple的pairs.

关于具体步骤如下： 1. 先对文章进行分句，将每一句存储到数据库中。 2. 分词并进行各种标注，对于的特征包括POS标签、语言标记。 3. 生成特征，组合各种特征。 4. 领域知识的集成。 5. 监督学习--distant supervision。在现有文本资料中人工找到具有正例的样本，并通过相关的关系生成反例样本。 6. 推理。使用因子图进行对特征、知识的推理。(推理机制使用了Gibbs Sampling)

关于deepdive，需要定义的内容如下： 1. 输入数据的样式，包括关系样式、中间数据格式与数据之间的映射关系——在app.ddlog中定义好 2. 用于进行distance supervise的规则——在app.ddlog中定义好 3. 推理参数——在app.ddlog中定义好 4. 原始数据处理方式——在udf中用python或者shell实现 5. 特征提取方式——在udf中用python或者shell实现

具体来看，可以分解为四个部分。 1. 特征抽取 2. 领域知识集成 3. 监督学习 4. 知识推理

涉及到四个概念： 1. 实体 2. 关系 3. 提及 mention 4. 关系提及 relation mention

安装

第一步，执行如下命令：
bash <(curl -fsSL git.io/getdeepdive)
结果报错，提示curl: (77) error，原因在于curl期望访问证书的路径不存在

解决方法：
sudo mkdir -p /etc/pki/tls/certs
sudo cp /etc/ssl/certs/ca-certificates.crt /etc/pki/tls/certs/ca-bundle.crt
解决上述问题后，接下来继续执行：

输入数字1，会在自己的目录下下载deepdive-v0.8-STABLE-Linux.tar.gz。

下载完毕会自动解压复制到local目录下

为了能使用使用deepdive命令能够直接使用，修改~/.bash_profile
export PATH=~/local/bin:"$PATH"
则deeplive就安装完毕！

第二步，安装数据库postgres
bash <(curl -fsSL git.io/getdeepdive) postgres
总是会报503或者502的错误，不断忽略，重复执行。最后能够下载但同时报出如下错误：

为了解决这个问题，执行如下命令
sudo gedit /etc/apt/sources.list
将cdrom的那一行注释掉即可解决。
接下来继续执行，又会报出如下错误：
提示包含错误的元数据以及Problem executing scripts APT问题

解决方法：
sudo apt-get remove libappstream3

第三步，下载spouse_example例子
bash <(curl -fsSL git.io/getdeepdive) spouse_example
最终会得到如下的文件目录：

第四步，配置好postgresql 注意配置postgresql的url地址：
echo "postgresql://wangwei@localhost:5432/deepdive_spouse_wangwei" >db.url
注意到会提示deepdive_spouse_wangwei数据库不存在，解决方法如下：

postgresql安装完成会生成一个名为postgres的用户帐户，首先先切换到此用户下 psql postgres
接下来去创建数据库： CREATE DATABASE deepdive_spouse_wangwei OWNER wangwei;

接着可以验证归属wangwei用户的数据库deepdive_spouse_wangwei是否创建成功：
psql -U wangwei -d deepdive_spouse_wangwei -h 127.0.0.1 -p 5432

关于deepdive处理中文

由于deepdive默认是处理英文，因此需要做一些变动。具体的做法： 1. 直接去https://nlp.stanford.edu/software/corenlp-backup-download.html 注意到最新的模型为stanford-chinese-corenlp-2018-02-27-models.jar，当前的version为3.9.1，注意高版本的后面编译加载之后会报错，还是建议选择低版本的模型stanford-chinese-corenlp-2016-01-19-models.jar。下载完成之后放入 /home/wangwei/spouse_example-0.8-STABLE/udf/bazaar/parser/lib 2. 执行如下命令对整个工程进行编译 sbt/sbt stage

3. 执行如下通过postman进行测试 ./run.sh -p 8080

未下载之前中文模型之前,无法对中文做任何分词和标注处理

放入中文模型之后，分词和标注的结果如下：

总结：本节就是关于deepdive的简单介绍和安装，后续将重点通过deepdive实践一个例子，欢迎大家关注我的知乎专栏和点赞。

参考：

1.DeepDive官方文档
2.How do I deal with certificates using cURL while trying to access an HTTPS url?
3.apt-cdrom带来的问题
4.错误的元数据以及Problem executing scripts APT问题
5.命令行方式登录PostgreSQL、创建用户和数据库并赋权
6.Deepdive 教程--数据准备
7.【DeepDive】使用教程

8.Deepdive学习笔记

9.专题科普：DeepDive

10.Deepdive: Declarative Knowledge Base Construction

11.DeepDive_Chinese

12.deepdive-corenlp-server-url

https://zhuanlan.zhihu.com/p/43143014