人類學家羅賓·鄧巴認為：一個人維持緊密人際關系的人數最多為150人。

網絡社交平臺出現后，很多人認為虛擬世界將突破鄧巴這一理論，但實際情況卻是：如果要和更多人互動，那么勢必需要削弱在其它人身上花的精力。

但是，人際關系將隨著時間而產生親疏遠近等不同的變化，如果能夠識別出人與人的關系定義，則能為諸多行業領域帶來更多方向的探索，如：詐騙團伙識別，通過詐騙分子的通話關系網去識別可能存在的團伙關系，將壞人一網打盡。

本期課堂，聯通大數據技術專家閆龍將從“本體論”說起，為大家介紹聯通大數據關系圖譜的構建與應用。

一、本體論

萬維網之父Tim Berners-Lee教授在1998年將語義網絡(Semantic web)帶入人類的視線。目的是賦予網絡理解詞語、概念以及它們之間邏輯關系的能力，使人機交互變得更有效率。本體論(Ontology)做為語義網的核心，是研究實體存在及其本質的通用理論。1993年Thomas Gruber教授提出了本體論最廣為認同的定義：共享概念模型的明確的形式化規范說明。這里面實際說了四個概念，即：“概念模型”(Conceptualization)指通過客觀世界中一些現象的相關概念而得到的模型;“明確”(Explicit)指所使用的概念及其約束都有明確的定義;“形式化”(Formal)指Ontology是計算機可讀的;“共享(Share)”指本體論中體現的是共同認可的知識，反映的是相關領域中公認的概念集。

本體論最初是形而上學的一個分支。對于形而上學的理解這里給出一個例子(如：圖1)

(圖1)

圖中中文的“貓”與“貓咪”，英文的“cat”，“貓的圖片”都可以用來描述“貓”這個實物。那么在哲學層面，“貓”這樣一個實物就是亞里士多德口中的“實體”，巴門尼德口中的“存在”，以及本體論中所說的“本體”。而上圖這些描述均指的是“貓”這個“本體”的符號。

從這里，我們能看出“本體”這個概念在哲學層面上是形而上的，是只可意會不可言傳的。因此，對于一個實體，所有的描述都是這個“本體”的外在符號，我們感受到的，聽到的，看到的，都成為符號到本體的某種映射。

解釋完本體哲學層面的意思，我們是否對語義層面的本體有更好的理解呢?其實，其主要目的就是要建立這樣一種映射，例如：{“貓”，“貓咪”，“喵咪”，“cat”}這個符號集都映射到“貓”這個“本體”上來。當我們建立了本體的集合，本體間的邏輯關系就是存在的(如：IF A⊆B and B⊆C，THEN A⊆C)。本體的邏輯層提供了公理和推理規則，進而實現相應的邏輯推理，有可能是“屬性-本體”的關系，有可能是“子類-本體”的關系，也有可能是“本體-本體”的對立或者是近似關系。本體論最終的目的是去實現知識表達，構建知識庫，實現知識推理，即借由本體論中的基本元素：實體與實體間的關聯，作為描述真實世界的知識模型。

二、知識圖譜

這種知識模型究竟有什么用呢?Google在2012年提出Knowledge Graph，就是為了將傳統的keyword-based搜索向基于語義的搜索升級。知識圖譜可以用來更好的查詢復雜的關聯信息，從語義層面理解用戶意圖，改進搜索質量。這里借用本體的概念給出我個人對知識圖譜的理解：知識圖譜就是用來描述真實世界中存在的各種實體，以及他們之間的關系，而實體本身會有多樣實例，屬性。就像之前“貓的例子”(如下圖2)，當我們查詢“喵喵喵喵喵”時，返回的不會是抖音上很紅的《學貓叫》，而是“貓”這個實體。同時，在其他知識的補充下我們可以知道“貓”有一個實例是“茄子”，而“茄子”的主人是我，我和小胡都就職于聯通大數據，并且通話關系很密切。當我們知識庫中的實體、關系、屬性、實例等的量級非常大時就能繪制成一個巨型的網絡關系拓撲圖。有了這樣的知識庫，搜索引擎就能洞察用戶查詢背后的語義信息，返回更為精準的信息。換言之，知識圖譜引入了更多的含義，對事物進行搜索，像人類一樣去思考、聯想、關聯。這也印證了Google knowledge graph的初衷：“The world is not made of strings , but is made of things.”

(圖2)