公司新聞
干貨丨AI在數據防泄漏中的應用--知識圖譜之知識抽取
隨著技術的不斷發展，AI（Artificial Intelligence，人工智能）逐漸在社會經濟發展的方方面面深入，成為信息化時代最重要的支柱技術之一。
在數據安全領域領域，AI技術所能起到的作用越來越大，如針對數據防泄漏，運用知識圖譜技術可以使數據實現結構化，減少人為性工作，從而讓數據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、不同結構的數據中進行知識提取，提取出數據內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據為多源異構數據，一般包括非結構化數據、半結構化數據和結構化數據，其相應的知識抽取的方法和技術各不相同。
△多元異構數據與對應知識抽取技術
★ 從半結構化數據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；
★ 從結構化數據中獲取知識用 D2R，其難點在于復雜表數據的處理，包括嵌套表、多列、外鍵關聯等；
★ 從鏈接數據中獲取知識用圖映射，難點在于數據對齊。
知識抽取：非結構化數據
面向非結構化數據的知識抽取使用信息抽取技術解決，信息抽取包括命名實體識別、關系識別、共指消歧、事件抽取及模板填充五個任務，其流程如下圖所示：
知識抽取：半結構化數據
半結構化數據是指類似于百科、商品列表等本身存在一定結構但需要進一步提取整理的數據。面向半結構化的知識抽取使用包裝器實現，其基本流程如下：
知識抽取：結構化數據
結構化數據就是指類似于關系庫中表格形式的數據，該類數據往往在各項之間存在明確的關系名稱和對應關系。因此可以簡單的將其轉化為RDF或其他形式的知識庫內容。
關于知識抽取，一種常用的W3C推薦的映射語言是R2RML(RDB2RDF)，其映射結果如下：
1、數據庫表t_student結構
以及，現有的工具免費的有D2RQ，Virtuoso、MOrph等。
