如何善用通用性行業(yè)KG（知識圖）

1   認識通用性行業(yè)KG

1.1 食物FlavorGraph為例

在上一期里，藉由< 用戶、食材和食譜> 三位一體的多層次關(guān)聯(lián)來建立知識圖（KG：Knowledge Graph）。并且基于上述KG體通過三個階段來生成反事實食材組合的圖譜，這結(jié)合了多階段的GCN模型和反事實分析來進行推薦和創(chuàng)新。其中，幕后有一個基礎(chǔ)組件：FlavorGraph。它即是俗稱的：行業(yè)KG（industry knowledge graph），是由Sony AI團隊與韓國高麗大學(xué)合作建立的食材配對通用性KG。它的數(shù)據(jù)量包含1,561 項風(fēng)味化合物（flavor molecules）和百萬筆食譜，形成食物和化合物組成的巨大知識網(wǎng)絡(luò)，表達食材跟食材或食材與化合物之間的關(guān)系，可用來推薦互補的配料，幫助廚師們創(chuàng)新烹飪菜肴。

1.2 以醫(yī)藥DRKG為例

DRKG（Drug Repurposing Knowledge Gaph）是由亞馬遜上海AI實驗室聯(lián)合來自亞馬遜AI北美、明尼蘇達大學(xué)、俄亥俄州立大學(xué)、湖南大學(xué)的研究者，共同構(gòu)建的大規(guī)模藥物再利用知識圖，其包括屬于13種實體類型（entity-types）的97, 238個實體（entities）；以及屬于107種邊緣類型（edge-types）的5,874,261 項連結(jié)(links)。如圖-1所示。

圖1 通用性DRKG

（引自https://github.com/gnn4dr/DRKG）

這DGRK非常有助于新藥開發(fā)，它可以有效縮短藥物研發(fā)周期、降低成本和風(fēng)險。從上述的醫(yī)療行業(yè)的DRKG，以及飲食行業(yè)的FlavorGraph 等，我們來觀察它們對于各行業(yè)的AI應(yīng)用，提供了很大的幫助。

2   行業(yè)KG+AI模型

將知識圖KG和AI模型結(jié)合起來，更能夠掌握數(shù)據(jù)之間的關(guān)系和準(zhǔn)確涵意，提升了推論的準(zhǔn)確性，也更發(fā)揮AI器學(xué)習(xí)方法的能力。愈來愈多企業(yè)開始使用AI來幫助決策，KG+AI將智能融入數(shù)據(jù)本身，來為AI提供了更可解釋、更準(zhǔn)確的背景。進而協(xié)助企業(yè)人士降低決策風(fēng)險，提升企業(yè)效益。例如，在醫(yī)藥行業(yè)，能解釋某藥物為何對特定疾病有效。而在飲食行業(yè)FlavorGraph提供的通用化學(xué)風(fēng)味知識，并由AI模型（如GCN模型）進一步挖掘潛在菜單組合的關(guān)系，激發(fā)食譜創(chuàng)新。其中，KG與GCN模型的結(jié)合過程，如下：

2.1 數(shù)據(jù)收集與篩選：

收集企業(yè)內(nèi)部數(shù)據(jù)（如食材采購列表、銷售記錄），并且清洗數(shù)據(jù)，去除冗余或不相關(guān)的數(shù)據(jù)。利用行業(yè)KG結(jié)構(gòu)化數(shù)據(jù)提升GCN模型輸入數(shù)據(jù)的質(zhì)量。

2.2 立KG：

設(shè)計節(jié)點（node）與邊（edge）的類型，例如「食材」、「料理」、「風(fēng)味」等。并且定義節(jié)點特征（feature）和關(guān)系（relationship），例如「包含」、「兼容」、「替代」等。

2.3 練GCN模型：

訓(xùn)練GCN來實現(xiàn)模型的目標(biāo)，包括使用模型來提取知識。例如風(fēng)味搭配建議、新菜單推薦等。

上述的KG 與GCN 模型是互補的，KG 中的數(shù)據(jù)是高度結(jié)構(gòu)化的圖形數(shù)據(jù)，包含節(jié)點和關(guān)系。而GCN能夠處理圖結(jié)構(gòu)數(shù)據(jù)，通過聚合鄰居節(jié)點的信息來學(xué)習(xí)每個節(jié)點的表示。于是，GCN自然適配KG的結(jié)構(gòu)，捕捉節(jié)點間復(fù)雜的語義關(guān)系。這KG是行業(yè)數(shù)據(jù)的「智能連接器」，能有效提升企業(yè)AI解決方案的效率與準(zhǔn)確性。例如，F(xiàn)lavorGraph與DRKG已經(jīng)展現(xiàn)燦爛光芒，應(yīng)用于許多商業(yè)場景，讓企業(yè)采用行業(yè)KG，結(jié)合自身數(shù)據(jù)打用造更有競爭力的AI 應(yīng)。

3   基于通用性行業(yè)KG，建構(gòu)下游企業(yè)KG

通用性行業(yè)KG（如FlavorGraph）蘊含豐富的行業(yè)共享性知識，而企業(yè)則針對小領(lǐng)域的特殊需求（如拉面的烹飪過程、食材搭配、口味調(diào)配等），建立專用的企業(yè)KG( 如FoodKG) 更具針對性。如圖-2所示。

圖2 行業(yè)KG支持下游任務(wù)

從行業(yè)KG（如FlavorGraph）中提取相關(guān)節(jié)點與邊，補充企業(yè)內(nèi)部數(shù)據(jù)（如食材采購列表、銷售記錄）。清洗數(shù)據(jù)，去除冗余或不相關(guān)的數(shù)據(jù)。有了行業(yè)KG提供跨域知識的支持，能有效應(yīng)用于拉面食材推薦、菜單設(shè)計和個性化服務(wù)等多種場景。這種模式是一種知識驅(qū)動的AI遷移學(xué)習(xí)，能加速AI針對企業(yè)目標(biāo)的應(yīng)用。

現(xiàn)在，就來觀摩這個「知識驅(qū)動AI遷移學(xué)習(xí)」的第一項事情：將行業(yè)FlavorGraph 的節(jié)點嵌入（node embedding）作為企業(yè)FoodKG + GCN的初始特征（initial features）。將已有的行業(yè)知識（如FlavorGraph中的節(jié)點嵌入）轉(zhuǎn)化為模型可用的初始特征，等同于利用外部的知識來增強本地圖譜的表現(xiàn)。無論是餐飲、醫(yī)療、金融、制造還是零售行業(yè)，都能從跨域知識的遷移中受益。初始特征來自于成熟的知識圖譜，代表了節(jié)點間的隱含語義與結(jié)構(gòu)關(guān)系。這種初始化能顯著提升模型在各行業(yè)的學(xué)習(xí)能力和性能。預(yù)先訓(xùn)練的嵌入能輕松應(yīng)用于新節(jié)點或關(guān)系的擴展，而無需重新從零訓(xùn)練。不同行業(yè)的圖譜和嵌入可共享或遷移，促進跨領(lǐng)域應(yīng)用。例如，將醫(yī)療行業(yè)的知識嵌入應(yīng)用于健康食品推薦（如從DRKG遷移到FlavorGraph）。還有，將財務(wù)數(shù)據(jù)圖譜嵌入用于供應(yīng)鏈風(fēng)險管理等許多商業(yè)情境。

其中，節(jié)點嵌入（node embeddings）是將知識圖譜中的節(jié)點轉(zhuǎn)換為數(shù)值向量，亦即壓縮節(jié)點的高維屬性與關(guān)系信息到低維空間中，保留圖結(jié)構(gòu)的核心語義。然后，于節(jié)點嵌入的向量空間，衡量節(jié)點之間的相似性。使用行業(yè)大KG的節(jié)點嵌入作為下游企業(yè)小KG+GCN 模型輸入，非常有助于提升推薦、分類、或預(yù)測任務(wù)的準(zhǔn)確度?；贙G 的知識來生成節(jié)點嵌入的常見技術(shù)包刮：DeepWalk、Node2 Vec、GraphSAGE、或GCN 等。

4   實際案例演示：實踐下游任務(wù)

剛才提到了，每個食材和化學(xué)成分都是FlavorGraph圖中的節(jié)點(node)，這些節(jié)點之間的邊（edge）代表食材和化學(xué)成分之間的關(guān)聯(lián)。例如，某些食材共享相似的化學(xué)成分或風(fēng)味特性。然后，F(xiàn)lavorGraph + AI的框架中，其關(guān)鍵任務(wù)之一就是：生成食材及其化學(xué)成分的節(jié)點嵌入。

由于SONY AI團隊已經(jīng)使用FlavorGraph + DeepWalk方法來生成其節(jié)點嵌入了。所以在企業(yè)KG 的下游任務(wù)建構(gòu)中，就能直接讀取它，來做為下游FoodKG + GCN的起始輸入節(jié)點特征。

4.1 從FlavorGraph讀取節(jié)點嵌入

現(xiàn)在，就來寫一個小Python 程序讀取之。

此程序運行時，就會從FlavorGraph取出食材( 如蛋)的節(jié)點嵌入，輸出如下：

由于FlavorGraph是行業(yè)大型KG，其包容眾多食材，其節(jié)點嵌入向量采取較高的300維度。例如，這程序讀取的食材< 蛋> 的嵌入向量含有300個數(shù)值。

4.2 建立企業(yè)KG

基于FlavorGraph生成的節(jié)點嵌入，就能建立下游任務(wù)的高質(zhì)量企業(yè)KG。通常企業(yè)KG的節(jié)點和邊的數(shù)量，都比上游通用性KG少很多，但是為了接受從上游遷移而來的節(jié)點嵌入，所以企業(yè)KG的節(jié)點特征( 向量) 也必須設(shè)定成：300維?，F(xiàn)在，就動手撰寫一個小Python程序，來建立一個小型FoodKG。它只有200個節(jié)點，以及171個邊。如下代碼：

此程序運行時，就會從nodes_tiny_200.csv和edges_tiny_200.csv兩個檔案里， 讀取200個節(jié)點和171個邊的數(shù)據(jù)，建立一個下游的FoodKG。接著，從上游FlavorGraph讀取節(jié)點嵌入，做為FoodKG的起始節(jié)點特征。并且輸出如下：

于是，準(zhǔn)備好了FoodKG。

4.3 企業(yè)KG來訓(xùn)練GCN

接下來，就是引進GCN模型來學(xué)習(xí)FoodKG的數(shù)據(jù)。這是一般典型的GCN 訓(xùn)練，于此省略其訓(xùn)練代碼。

此程序運行時，就展開訓(xùn)練200 回合，并輸出：

這是典型的GCN訓(xùn)練流程。從loss 值的持續(xù)下降，這GCN的學(xué)習(xí)效果是良好的。至此，完成了一項關(guān)鍵任務(wù)：利用行業(yè)KG提供的預(yù)訓(xùn)練嵌入，將KG節(jié)點轉(zhuǎn)化為可用于GCN模型的數(shù)值特征，并且展開訓(xùn)練。

5   結(jié)束語

通用性行業(yè)KG可以支持建構(gòu)各種企業(yè)KG，并結(jié)合GCN等模型，來支持眾多企業(yè)AI的下游任務(wù)。例如，也能支持建立發(fā)酵食材的IngGraph，來實踐另一項下游客制化任務(wù)。發(fā)酵過程中的食材（例如：酸奶、醬油、啤酒、泡菜等）往往會經(jīng)歷復(fù)雜的化學(xué)反應(yīng)和微生物活動。在FlavorGraph風(fēng)味關(guān)聯(lián)圖中，這些食材都是圖中的節(jié)點，而發(fā)酵過程中的風(fēng)味轉(zhuǎn)變、化學(xué)物質(zhì)（如有機酸、酯類、醇類等）的變化則成為邊來連接這些節(jié)點。GCN模型不僅學(xué)習(xí)食材間的靜態(tài)關(guān)聯(lián)，還能捕捉發(fā)酵過程中風(fēng)味的變化。而下游IngGraph這樣的系統(tǒng)可以幫助用戶實現(xiàn)更精確的食材搭配與風(fēng)味設(shè)計，尤其是針對那些風(fēng)味組合復(fù)雜、需要高度自定義的發(fā)酵食材領(lǐng)域。

（本文來源于《EEPW》202501）