使用公有资产库中的图谱流水线套件构建图谱

准备工作

已注册华为账号，并完成实名认证，具体申请信息请见账号注册和实名认证。且在使用知识图谱服务前检查账号状态，账号不能处于欠费或冻结状态。

步骤1：准备数据

在创建信息抽取模型之前，您需要自行准备基础数据并上传至OBS桶及文件夹中。

由于数据安全原因，本样例不提供具体的样例数据，仅提供样例数据要求，要求如下：

数据格式

数据格式为短文本txt格式，文件内容示例如下：

张三的生日是1990年1月1日，身高175cm，出生于北京。

李四，著名导演，毕业于电影学院，代表作有《电影1》、《电影2》。

... ...

数据划分

训练数据：80%数据用于训练信息抽取模型。

验证数据：20%数据用于验证信息抽取模型性能（即F1、P、R性能指标）。

训练数据量

训练一个基本可用的模型，标注数据量总数需要大于模型版本配置中的“batch_size”，且需大于20*三元组类型数量。

训练一个效果较好的模型，建议提供2万条以上的短句数据作为训练数据。

三元组类型

本样例构建的模型适用于人物、电影领域的信息抽取，限定抽取的三元组类型如表1所示。

1. 按上文要求准备待标注的训练数据和模型数据，并保存至本地，训练数据命名为“annotation.txt”，模型数据命名为“corpus.txt”。
2. 登录OBS服务，创建桶和文件夹，用于存放数据集。

   创建名称为“kg-model”的OBS桶。

   创建名称为“model-data”的文件夹用于存放未标注的数据集。

   创建名称为“model-data-out”的文件夹用于存放已标记并发布的数据集。

   创建名称为“graph-data”的文件夹用于存放创建图谱的数据集。

   创建OBS桶和文件夹的操作指导请参见创建桶和新建文件夹。为保证数据能正常访问，请务必保证创建的OBS桶与KG服务在同一区域，桶的存储类别为“标准存储”。

3. 参考上传文件，使用单个文件上传方式将本地准备的训练数据“annotation.txt”文件上传至OBS路径“kg-model/model-data”下，将本地准备的创建模型的数据文件“corpus.txt”上传至OBS路径“kg-model/graph-data”。

步骤2：选择图谱规格

1. 登录KG服务管理控制台，默认进入“我的图谱”页面。
2. 单击，然后在创建图谱页面填写信息。
   图1 服务选型
   

   表2 服务选型参数说明

   参数	说明
   “图谱名称”	待创建图谱的名称，名称只能由大小写字母、数字、中文、下划线组成，长度为1-63位。
   “图谱规格”	待创建图谱的规格大小。当前仅支持在控制台选择“体验版 一万边”，如果根据业务需要，选择标准版 百万边、标准版 千万边、高级版 千万边，请通过官网产品页“服务咨询”联系我们进行咨询购买。
   “是否购买套餐包”	体验版图谱默认不能开通套餐包。如果需要选择业务版图谱，请通过官网产品页“服务咨询”联系我们进行咨询购买。

3. 单击右下角“下一步”，在“版本确认”页签确认版本信息。
4. 单击右下角“确认创建”。

   页面提示“知识图谱创建任务提交成功”。

   单击“返回”，返回至“我的图谱”页面，您会看到新创建的图谱卡片，“运行状态”为“创建中”。等待十几分钟后，运行状态变为“初始化”状态。

   图2 创建图谱
   

步骤3：使用图谱流水线套件

1. 在“我的图谱”页面鼠标移至新创建的图谱卡片，单击“图谱构建WorkSpace”。

   进入流水线构建页面。

   图3 图谱构建WorkSpace
   
2. 在流水线构建页面，从左侧“公有库 > 图谱流水线套件”页签中拖拽“电影人物流水线”套件至右侧流水线画布中。
3. 在弹出的对话框中，单击“确定”。
   页面提示“图谱流水线套件应用成功”。

   图4 应用图谱流水线套件
   
4. 单击流水线中的蓝色组件，可以查看配置样例。

步骤4：配置数据源

1. 在流水线构建页面，单击“数据源”，页面下方弹出数据源配置对话框，单击右侧按钮可以放大对话框。
   图5 配置数据源
   
2. 在“数据源配置”对话框，填写相关信息。
   • “选择数据格式”：此样例选择“短文本”。
   • “选择数据源文件”：单击，弹出“选择数据源文件”对话框，选择数据源存放在OBS的路径：
     1. “OBS桶”：选择数据源文件存放的OBS桶“kg-model”。确保您使用的OBS桶与KG服务在同一区域，桶的存储类别为“标准存储”。
     2. “存储路径”：选择数据源文件存放在OBS桶的文件路径“kg-model/graph-data/corpus.txt”。

        选择的OBS路径不能是加密路径，否则可能会访问失败。

     3. “OBS桶授权”：如果OBS桶未授权，请勾选“确认授权”。

     选择完成后，单击“确定”。

     图6 选择数据源文件
     
3. 填写完信息后，单击“保存”，完成数据源的配置。

步骤5：配置图谱本体（可选）

本步骤以使用公有资产库图谱本体组件为例，介绍图谱本体配置操作。

使用图谱流水线套件时，流水线套件中内置了图谱本体。如果内置本体满足您的需求，则不用执行配置图谱本体的步骤。

1. 在流水线构建页面，单击“图谱本体”，页面下方弹出图谱本体配置对话框，单击右侧按钮可以放大对话框。
2. 在左侧“公有库”页签，拖拽“图谱本体组件”到虚线框中，单击“保存”，完成本体选择。

   可单击页面右下角的“编辑”，进入本体修改页面，修改后的本体将保存至“我的库”。

   图7 图谱本体
   

步骤6：配置信息抽取

本步骤以使用公有资产库模型组件为例，介绍信息抽取的配置操作。

1. 在流水线构建页面，单击“信息抽取”，页面下方弹出“信息抽取”对话框，单击右侧按钮可以放大对话框。
2. 填写信息抽取配置信息，如图8所示。

   “抽取方式”：默认为“非结构化抽取”。

   “抽取模型”：从左侧“公有库 > 模型组件”页签中拖拽至右侧虚线框。

   图8 配置信息抽取
   
3. 填写完信息后，单击“保存”。

步骤7：配置知识映射

配置信息抽取后，需要配置知识映射，建立抽取出的三元组信息与本体的映射关系。

1. 在流水线构建页面，单击“知识映射”。

   页面下方弹出“知识映射”对话框，单击右侧按钮可以放大对话框。

2. 在“知识映射”对话框，选择编辑方式为“表格配置模式”，填写知识映射的相关信息。
   • 单击实体“Person”对应的图标。
   • 填写实体“Person”映射前的抽取项：“人物”。
   • 填写映射到实体“Person”的抽取项，如图9和表3所示。
     图9 实体Person的抽取项
     

     表3 实体Person的抽取项

     属性/关系名称	抽取项
     name	name
     place_of_birth	出生地
     nation	民族
     nationality	国籍
     height	身高
     graduated_school	毕业院校
     data_of_birth	出生日期
     ancestral_home	祖籍
     father	父亲
     spouse	妻子、丈夫
     mother	母亲

   • 单击实体“Film”对应的图标。
   • 填写实体“Film”映射前的抽取项：“影视作品”。
   • 填写映射到实体“Film”的抽取项，如图10和表4所示。
     图10 实体Film的抽取项
     

     表4 实体Film的抽取项

     属性/关系名称	抽取项
     name	name
     adapted_from	改编自
     production_company	出品公司
     release_time	上映时间
     written_by	编剧
     starring	主演
     directed_by	导演
     produced_by	制片人

3. 单击“保存”，完成知识映射配置。

步骤8：配置知识融合

本样例不需要配置知识融合，因此关闭融合开关即可。

1. 在流水线构建页面，单击“知识融合”，页面下方弹出“知识融合”对话框，单击右侧按钮可以放大对话框。
2. 在“知识融合”对话框中，关闭“知识融合”开关，并单击“保存”。

   返回流水线构建页面。

   图11 关闭知识融合
   

步骤9：配置图谱质检

1. 在流水线构建页面，单击“图谱质检”，页面下方弹出“图谱质检”对话框，单击右侧按钮可以放大对话框。
   图12 图谱质检
   
2. 在“图谱质检”对话框，打开“图谱质检”开关，单击“保存”。
   

   图谱质检为非必选流程，关闭和开启状态均不影响图谱构建。开启质检任务后，后台会对当前版本的知识图谱的知识质量和流水线构建进行评估，并生成质检报告，详见查看质检报告。

步骤10：生成图谱

在图谱流水线页面，单击右上角“生成图谱”，完成图谱的创建。

图13 生成图谱

跳至新建图谱“test”的详情页，查看图谱的状态，当图谱的“状态”由“运行中”变为“可用”后，即可单击“图谱预览”，预览图谱。