公司新聞
干貨丨AI在數(shù)據(jù)防泄漏中的應(yīng)用--知識圖譜之知識抽取
隨著技術(shù)的不斷發(fā)展，AI（Artificial Intelligence，人工智能）逐漸在社會經(jīng)濟發(fā)展的方方面面深入，成為信息化時代最重要的支柱技術(shù)之一。
在數(shù)據(jù)安全領(lǐng)域領(lǐng)域，AI技術(shù)所能起到的作用越來越大，如針對數(shù)據(jù)防泄漏，運用知識圖譜技術(shù)可以使數(shù)據(jù)實現(xiàn)結(jié)構(gòu)化，減少人為性工作，從而讓數(shù)據(jù)治理工作趨向智能化，提升工作效率。
知識圖譜之知識抽取
知識抽取是指從不同來源、不同結(jié)構(gòu)的數(shù)據(jù)中進行知識提取，提取出數(shù)據(jù)內(nèi)涵的事實性信息并供給知識圖譜做進一步加工處理后會形成知識，存入到知識圖譜。
知識抽取需處理的數(shù)據(jù)為多源異構(gòu)數(shù)據(jù)，一般包括非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)和結(jié)構(gòu)化數(shù)據(jù)，其相應(yīng)的知識抽取的方法和技術(shù)各不相同。
△多元異構(gòu)數(shù)據(jù)與對應(yīng)知識抽取技術(shù)
★ 從半結(jié)構(gòu)化數(shù)據(jù)中獲取知識用包裝器，難點在于包裝器的自動生成、更新和維護；
★ 從結(jié)構(gòu)化數(shù)據(jù)中獲取知識用 D2R，其難點在于復(fù)雜表數(shù)據(jù)的處理，包括嵌套表、多列、外鍵關(guān)聯(lián)等；
★ 從鏈接數(shù)據(jù)中獲取知識用圖映射，難點在于數(shù)據(jù)對齊。
知識抽取：非結(jié)構(gòu)化數(shù)據(jù)
面向非結(jié)構(gòu)化數(shù)據(jù)的知識抽取使用信息抽取技術(shù)解決，信息抽取包括命名實體識別、關(guān)系識別、共指消歧、事件抽取及模板填充五個任務(wù)，其流程如下圖所示：
知識抽取：半結(jié)構(gòu)化數(shù)據(jù)
半結(jié)構(gòu)化數(shù)據(jù)是指類似于百科、商品列表等本身存在一定結(jié)構(gòu)但需要進一步提取整理的數(shù)據(jù)。面向半結(jié)構(gòu)化的知識抽取使用包裝器實現(xiàn)，其基本流程如下：
知識抽?。航Y(jié)構(gòu)化數(shù)據(jù)
結(jié)構(gòu)化數(shù)據(jù)就是指類似于關(guān)系庫中表格形式的數(shù)據(jù)，該類數(shù)據(jù)往往在各項之間存在明確的關(guān)系名稱和對應(yīng)關(guān)系。因此可以簡單的將其轉(zhuǎn)化為RDF或其他形式的知識庫內(nèi)容。
關(guān)于知識抽取，一種常用的W3C推薦的映射語言是R2RML(RDB2RDF)，其映射結(jié)果如下：
1、數(shù)據(jù)庫表t_student結(jié)構(gòu)
以及，現(xiàn)有的工具免費的有D2RQ，Virtuoso、MOrph等。
