文档首页> 知识图谱 KG> 最佳实践> 使用公有资产库中的图谱流水线套件构建图谱
更新时间:2023-08-10 GMT+08:00
分享

使用公有资产库中的图谱流水线套件构建图谱

本章节提供一个与电影有关的非结构化数据样例,帮助您快速熟悉使用流水线套件构建知识图谱的过程,以及如何使用公有资产库中的图谱本体组件、模型组件。创建完成后,您可以搜索预览相关实体的知识图谱,也可以在创建的图谱基础上全量更新或增量更新图谱。

开始使用样例前,请仔细阅读准备工作罗列的要求,提前完成准备工作。在控制台上使用图谱流水线套件创建知识图谱的步骤如下所示:

准备工作

已注册华为帐号并开通华为云,且在使用知识图谱服务前检查帐号状态,帐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。

表1 三元组类型

subject_type

predicate

object_type

人物

毕业院校

学校

影视作品

改编自

作品

影视作品

制片人

人物

人物

身高

Number

人物

丈夫

人物

影视作品

主演

人物

人物

出生日期

Date

影视作品

编剧

人物

影视作品

导演

人物

人物

祖籍

地点

人物

父亲

人物

人物

出生地

地点

影视作品

出品公司

企业

人物

妻子

人物

人物

母亲

人物

人物

国籍

国家

影视作品

上映时间

Date

  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”“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. “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. “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. “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. “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. “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”“运行中”变为“可用”后,即可单击“图谱预览”,预览图谱。

分享:

    相关文档

    相关产品