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(hù)、食材和食譜> 三位一體的多層次關(guān)聯(lián)來(lái)建立知識圖（KG：Knowledge Graph）。并且基于上述KG體通過(guò)三個(gè)階段來(lái)生成反事實(shí)食材組合的圖譜，這結合了多階段的GCN模型和反事實(shí)分析來(lái)進(jìn)行推薦和創(chuàng )新。其中，幕后有一個(gè)基礎組件：FlavorGraph。它即是俗稱(chēng)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。它的數據量包含1,561 項風(fēng)味化合物（flavor molecules）和百萬(wàn)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(lái)推薦互補的配料，幫助廚師們創(chuàng )新烹飪菜肴。

1.2 以醫藥DRKG為例

DRKG（Drug Repurposing Knowledge Gaph）是由亞馬遜上海AI實(shí)驗室聯(lián)合來(lái)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，共同構建的大規模藥物再利用知識圖，其包括屬于13種實(shí)體類(lèi)型（entity-types）的97, 238個(gè)實(shí)體（entities）；以及屬于107種邊緣類(lèi)型（edge-types）的5,874,261 項連結(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(kāi)發(fā)，它可以有效縮短藥物研發(fā)周期、降低成本和風(fēng)險。從上述的醫療行業(yè)的DRKG，以及飲食行業(yè)的FlavorGraph 等，我們來(lái)觀(guān)察它們對于各行業(yè)的AI應用，提供了很大的幫助。

2   行業(yè)KG+AI模型

將知識圖KG和AI模型結合起來(lái)，更能夠掌握數據之間的關(guān)系和準確涵意，提升了推論的準確性，也更發(fā)揮AI器學(xué)習方法的能力。愈來(lái)愈多企業(yè)開(kāi)始使用AI來(lái)幫助決策，KG+AI將智能融入數據本身，來(lái)為AI提供了更可解釋、更準確的背景。進(jìn)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(jìn)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模型的結合過(guò)程，如下。

2.1 數據收集與篩選

收集企業(yè)內部數據（如食材采購列表、銷(xiāo)售記錄），并且清洗數據，去除冗余或不相關(guān)的數據。利用行業(yè)KG結構化數據提升GCN模型輸入數據的質(zhì)量。

2.2 立KG

設計節點(diǎn)（node）與邊（edge）的類(lèi)型，例如「食材」、「料理」、「風(fēng)味」等。并且定義節點(diǎn)特征（feature）和關(guān)系（relationship），例如「包含」、「兼容」、「替代」等。

2.3 練GCN模型

訓練GCN來(lái)實(shí)現模型的目標，包括使用模型來(lái)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 中的數據是高度結構化的圖形數據，包含節點(diǎn)和關(guān)系。而GCN能夠處理圖結構數據，通過(guò)聚合鄰居節點(diǎn)的信息來(lái)學(xué)習每個(gè)節點(diǎn)的表示。于是，GCN自然適配KG的結構，捕捉節點(diǎn)間復雜的語(yǔ)義關(guān)系。這KG是行業(yè)數據的「智能連接器」，能有效提升企業(yè)AI解決方案的效率與準確性。例如，FlavorGraph與DRKG已經(jīng)展現燦爛光芒，應用于許多商業(yè)場(chǎng)景，讓企業(yè)采用行業(yè)KG，結合自身數據打用造更有競爭力的AI 應用。

3   基于通用性行業(yè)KG，建構下游企業(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(guò)程、食材搭配、口味調配等），建立專(zhuān)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)節點(diǎn)與邊，補充企業(yè)內部數據（如食材采購列表、銷(xiāo)售記錄）。清洗數據，去除冗余或不相關(guān)的數據。有了行業(yè)KG提供跨域知識的支持，能有效應用于拉面食材推薦、菜單設計和個(gè)性化服務(wù)等多種場(chǎng)景。這種模式是一種知識驅動(dòng)的AI遷移學(xué)習，能加速AI針對企業(yè)目標的應用。

現在，就來(lái)觀(guān)摩這個(gè)「知識驅動(dòng)AI遷移學(xué)習」的第一項事情：將行業(yè)FlavorGraph 的節點(diǎn)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中的節點(diǎn)嵌入）轉化為模型可用的初始特征，等同于利用外部的知識來(lái)增強本地圖譜的表現。無(wú)論是餐飲、醫療、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(lái)自于成熟的知識圖譜，代表了節點(diǎn)間的隱含語(yǔ)義與結構關(guān)系。這種初始化能顯著(zhù)提升模型在各行業(yè)的學(xué)習能力和性能。預先訓練的嵌入能輕松應用于新節點(diǎn)或關(guān)系的擴展，而無(wú)需重新從零訓練。不同行業(yè)的圖譜和嵌入可共享或遷移，促進(jìn)跨領(lǐng)域應用。例如，將醫療行業(yè)的知識嵌入應用于健康食品推薦（如從DRKG遷移到FlavorGraph）。還有，將財務(wù)數據圖譜嵌入用于供應鏈風(fēng)險管理等許多商業(yè)情境。

其中，節點(diǎn)嵌入（node embeddings）是將知識圖譜中的節點(diǎn)轉換為數值向量，亦即壓縮節點(diǎn)的高維屬性與關(guān)系信息到低維空間中，保留圖結構的核心語(yǔ)義。然后，于節點(diǎn)嵌入的向量空間，衡量節點(diǎn)之間的相似性。使用行業(yè)大KG的節點(diǎn)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(lèi)、或預測任務(wù)的準確度?；贙G 的知識來(lái)生成節點(diǎn)嵌入的常見(jiàn)技術(shù)包刮：DeepWalk、Node2 Vec、GraphSAGE、或GCN 等。

4   實(shí)際案例演示：實(shí)踐下游任務(wù)

剛才提到了，每個(gè)食材和化學(xué)成分都是FlavorGraph圖中的節點(diǎn)(node)，這些節點(diǎn)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，FlavorGraph + 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)成分的節點(diǎn)嵌入。

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

4.1 從FlavorGraph讀取節點(diǎn)嵌入

現在，就來(lái)寫(xiě)一個(gè)小Python 程序讀取之。

此程序運行時(shí)，就會(huì )從FlavorGraph取出食材( 如蛋)的節點(diǎn)嵌入，輸出如下：

由于FlavorGraph是行業(yè)大型KG，其包容眾多食材，其節點(diǎn)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(gè)數值。

4.2 建立企業(yè)KG

基于FlavorGraph生成的節點(diǎn)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的節點(diǎn)和邊的數量，都比上游通用性KG少很多，但是為了接受從上游遷移而來(lái)的節點(diǎn)嵌入，所以企業(yè)KG的節點(diǎn)特征( 向量) 也必須設定成：300維?，F在，就動(dòng)手撰寫(xiě)一個(gè)小Python程序，來(lái)建立一個(gè)小型FoodKG。它只有200個(gè)節點(diǎn)，以及171個(gè)邊。如下代碼：

此程序運行時(shí)，就會(huì )從nodes_tiny_200.csv和edges_tiny_200.csv兩個(gè)檔案里， 讀取200個(gè)節點(diǎn)和171個(gè)邊的數據，建立一個(gè)下游的FoodKG。接著(zhù)，從上游FlavorGraph讀取節點(diǎn)嵌入，做為FoodKG的起始節點(diǎn)特征。并且輸出如下：

于是，準備好了FoodKG。

4.3 企業(yè)KG來(lái)訓練GCN

接下來(lái)，就是引進(jìn)GCN模型來(lái)學(xué)習FoodKG的數據。這是一般典型的GCN 訓練，于此省略其訓練代碼。

此程序運行時(shí)，就展開(kāi)訓練200 回合，并輸出：

這是典型的GCN訓練流程。從loss 值的持續下降，這GCN的學(xué)習效果是良好的。至此，完成了一項關(guān)鍵任務(wù)：利用行業(yè)KG提供的預訓練嵌入，將KG節點(diǎn)轉化為可用于GCN模型的數值特征，并且展開(kāi)訓練。

5   結束語(yǔ)

通用性行業(yè)KG可以支持建構各種企業(yè)KG，并結合GCN等模型，來(lái)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(lái)實(shí)踐另一項下游客制化任務(wù)。發(fā)酵過(guò)程中的食材（例如：酸奶、醬油、啤酒、泡菜等）往往會(huì )經(jīng)歷復雜的化學(xué)反應和微生物活動(dòng)。在FlavorGraph風(fēng)味關(guān)聯(lián)圖中，這些食材都是圖中的節點(diǎn)，而發(fā)酵過(guò)程中的風(fēng)味轉變、化學(xué)物質(zhì)（如有機酸、酯類(lèi)、醇類(lèi)等）的變化則成為邊來(lái)連接這些節點(diǎn)。GCN模型不僅學(xué)習食材間的靜態(tài)關(guān)聯(lián)，還能捕捉發(fā)酵過(guò)程中風(fēng)味的變化。而下游IngGraph這樣的系統可以幫助用戶(hù)實(shí)現更精確的食材搭配與風(fēng)味設計，尤其是針對那些風(fēng)味組合復雜、需要高度自定義的發(fā)酵食材領(lǐng)域。

（本文來(lái)源于《EEPW》202501）