知识图谱复杂网络特性的实证研究与分析

知识图谱是人工智能研究的新热点,用于解决智能检索、自动回答等应用问题.概念图谱是微软发布的大型知识图谱,本文以概念图谱为研究对象构建了概念图谱网络,并对其特性进行了分析.为解决概念图谱海量数据带来的计算困难,提出一种适合概念图谱的最大子网构建方法和一种网络近似平均路径的计算方法;对不同度值给出了不同的聚类系数求解方法,并通过Map/Reduce模式进行提速.结果表明:概念图谱网络具有无标度和极端小世界网络的特征;平均路径长度随网络规模增加而减小并趋于4这一定值,网络的"菱形"结构能很好地解释这一现象;概念图谱网络是异构的,相邻节点的度负相关;k-shell分解表明子概念占核心层节点的99.5%,在概念图谱中起重要的连接作用;子概念的缺失对概念图谱的完整性影响最大、概念其次、实例最小;82%的实例节点度为1, 40%的概念节点度为1,实例比概念更不易因一词多义而引起理解歧义.