如何在知识图中建模条件三元组

Question

我正在尝试基于文本文档（非结构化数据）构建知识图谱。因此，我目前的方法是从数据中提取三元组并将它们发送到图形数据库，例如Neo4j 进行进一步分析。然而，我注意到在三元组的构造中有很多，我们称它们为 'conditional triples'。一个例子：

text = "Donald Trump was president-elect for the republican party since July 2016"

提供以下 'interesting' 个三元组：

(Donald Trump, was, president-elect)
(Donald Trump, was president-elect for, republican party)
(Donald Trump, was president-elect for republican party since, July 2016)

因此我们需要三个 4 节点：
1.唐纳德·特朗普
2. president-elect
2. 共和党
2. 2016 年 7 月

这些是可能与图中其他实体有有趣关系的 4 个节点。然而，我的困难（或怀疑）是关系，这些似乎非常具体和漫长。

我不确定这是否真的是一个问题，或者包括如此长的关系是否是最佳实践，例如 was president-elect for republican party since。

我考虑过创建像这样的遍历：

(Donald Trump)-[was]->(president-elect)-[for]->(republican party)-[since]->(July 2016)

这提供了更多 'simple' 关系，但是这要么是唯一遍历使得其他 president-elects 与该特定节点无关，要么如果不是唯一遍历，则其他总统-elects 与同一节点相关，但 for 和 since 关系无法再唯一跟踪到 Donald Trump.

因此，我现在倾向于应用更长的关系。因此，我的问题是：这是最佳实践方法，还是我缺少替代解决方案？

Answer 1

这是一个可能的数据模型：

(:Person {name:"Donald Trump"})-[:ACHIEVED {date:'2016-07-01'}]->(pos:Position)
(pos)-[:HAS_TITLE]->(:Title {name:"President Elect"})
(pos)-[:FOR_PARTY]->(:Party {name:"Republican"})

Person、Title 和 Party 节点是唯一的。

Answer 2

你是如何提取那些三胞胎的。我建议使用 NER 和 POS 从数据中提取知识。然后根据可用的实体，您可以设计图表

如何在知识图中建模条件三元组

How to model conditional triples in a knowledge graph

neo4j

triples

knowledge-graph