数据模型就是数据组织方式，是构建知识图谱首要解决的问题，无论是开放域的知识图谱还是行业的知识图谱，都需要收集大量的数据，这些数据的收集是有选择性的，这个选择的依据就是数据模型。数据模型，也可以称为知识表达模型，解决知识图谱如何组织数据的问题，是数据的底层架构，是一个知识体系框架，能够涵盖住知识图谱所有的数据，决定了数据收集的范围。

1 数据的分类问题。

通用知识图谱，它收集的数据比较全，涉及到各种各样的知识。我们可以把通用知识图谱认为是一个大而全的知识图谱，它基本能涵盖所有的知识，当然，这类通用知识图谱，由于涵盖的知识范围广，所有对于某一个知识点，可能不会说的特别细，也就是深度不够。行业知识图谱和通用知识图谱，正好是一个互补的关系，行业知识图谱是对某一个行业的知识，组织的很专业，研究的很深入。

无论是通用知识图谱还是行业知识图谱，都存在数据的组织问题，首要的就是数据如何分类，可以画一个树状图，根节点为物体或者对象，就是包含万物，然后再一层层的进行分类，知识图谱中的所有知识都可以在树状图中找到对应的节点。

下面我们以百科数据为例，介绍一下知识图谱的分类问题。其它通用知识图谱，也有自己的分类体系，和百科的分类大同小异，但也有自己的一些特点。

百科知识的组织，第一层分类为艺术、科学、自然、文化、地理、生活、社会、人物、经济、体育、历史等。

选择一个分类，比如科学分类，就能看到第二层分类科学的分类体系，包括健康医疗、航空航天、天文学、环境生态、农业科学、生命科学、数理科学、心理学、信息科学、工程技术、化学、地球科学、其它等。

再继续选择，比如健康医疗，就可以看到第三层的分类，医学知识库的知识分类情况，从医疗症状、药物、中医药、诊断技术等几个维度来组织医学知识。

通过这种分类体系，就会发现，无论收集什么知识，我们都可以在体系中找到对应的分类，这样有利于大家在这个知识图谱中查找知识，也有利于添加知识，扩展知识图谱的数据内容。

2 数据的属性

对于数据组织体系，在分类到末端节点，也就是叶子节点，就需要对这个叶子节点（具体知识点）进行描述，如何将一个知识点描述清楚，在知识图谱中，需要使用属性来描述知识点。这些属性可以从多个方面，多个层次来描述事物。

我们还是以百科数据为例，在医学知识库中，找到叶子知识点，比如糖尿病， 词条中最重要的一个是定义或者叫做简介，说明什么是糖尿病，然后是几个主要属性，英文名称、常见症状、就诊科室、传染性等。把这些属性放到最开始的位置，人们看到后，就可以对糖尿病有一个大致的了解，这些属性也能够简单反映糖尿病这个知识点的基本情况。

除了基本的属性，对于糖尿病这个知识点，还有更多的描述，百科是从病因、检查、鉴别诊断、临床表现、诊断、治疗这几个维度，来阐述糖尿病，通过这些更进一步的属性，人们就会对糖尿病有一个更深入的了解。

下面我们再继续来看一下，检查这个属性，都包括哪些内容。百科中列出了比较多的检查项目或者称为检查内容，血糖、尿糖、尿酮体、糖基化血红蛋白（HbA1c）、糖化血清蛋白等等，而且对于每一项检查内容，都有一个简短的说明。

上面的属性，就是百科对于疾病症状的知识组织方式，我们可以看一下其他的疾病症状，基本上都是按照这个方式，来组织属性数据。糖尿病这个疾病症状，通过一些属性，还可以关联到其它词条，比如检查内容中的血糖。这样就可以在知识点之间建立关联，形成一个网状的知识图谱。

3 数据模型的构建过程

在构建数据模型的实践中，基本上都会找一个类似的知识体系，或者粗略的数据分类体系，然后以其为基础，再进行扩展。当然，在收集数据的过程中，也可能会收集到大量脱离数据模型的数据，这时候，就可以根据这些数据进行数据模型的修改和完善。

构建数据模型的初始阶段，可以找一个知识图谱的中心数据，比如构建一个音乐知识图谱，可以以歌曲为中心，先考虑歌曲的属性，比如演唱者、作词、作曲、分类、歌词、乐谱等等，对于这些属性，一方面是考虑在知识图谱中是否合适，需要不断地斟酌，修改、增加或者删除一些属性，从而达到完善属性的目的。另一方面，还要确定这些属性对应的属性值，比如演唱者、作词、作曲都是对应的人，人也是一种实体，也会有很多属性，比如出生日期、性别、姓名、籍贯、主要事迹、作品等等，对于人的属性，又可以开启属性论证工作，确定使用哪些属性，属性值的范围等。

在不断确定属性和属性值范围的过程中，我们还要明确一个边界。因为对于这种关联关系，可以一直做下去，最后都会变成一个万物互联的通用知识图谱。我们有的时候，可能是构建一个行业知识图谱，这时候，边界的确定就很重要，比如出生日期，对于古代人，就不能写成年月日的形式，可能就是一个朝代，这个朝代也是一个实体，我们就没有必要再对朝代进行属性和属性值的确定。因为朝代对于我们知识图谱来说，已经是相关性很小的知识了。对于朝代这类和知识图谱相关性比较弱的知识实体来说，我们才觉得办法，最简单的处理就是直接写一个名称，将它看作一个字符串或者是一个枚举值，作为枚举值的话，需要罗列出所有的朝代。另外一种处理方法就是将包含的朝代链接到通用知识图谱，比如百度百科或者dbPedia等公认的通用知识图谱。我们专注于行业知识图谱中，关联性比较强的数据。

4 数据模型需要注意的问题

我们最终构建的数据模型，需要注意两个方面的问题。

一个是体系的完备性。有类、子类这样的层次关系，实体都能划分到这个层次关系中。类的属性，子属性，每个类都有什么属性，属性之间存在什么样的关系，对于一个属性来说，它可以看作是谓语，主语和宾语的范围如何界定。将类、子类、属性、子属性之间的关系描述清楚，能够把知识图谱中的相关实体都纳入到这个体系中，并且通过属性叙述清楚实体，就表示这个数据模型满足了知识图谱的完备性要求。

另一个需要注意的是数据模型度的把握。虽然有完备性的要求，但也不能将所有的内容都罗列到数据模型中。对于数据模型中的类和属性，要有所取舍，只选取那些和知识图谱相关性强的类和属性，一开始可以选的粗一些，然后再逐渐细化。也可以一开始就做的比较细致，后面再进行删减，最后形成一个内容适当的数据模型。

5 结语

现在构建知识图谱数据模型，都有一定的依据，一般不会从零开始，有一个雏形作为数据模型的基础，再进行完善。基本模式是以自顶向下为主，再根据收集的数据，对数据模型进行修正，也就是自底向上为辅，这样的构建方式比较普遍。