2. 程式人生 > >知識圖譜基礎之RDF，RDFS與OWL

知識圖譜基礎之RDF，RDFS與OWL

阿新 • • 發佈：2019-02-02

主要介紹知識圖譜的相關概念、技術，也包含一些具體實踐。

看過之前兩篇文章（1, 2）的讀者應該對RDF有了一個大致的認識和理解。本文將結合例項，對RDF和RDFS/OWL，這兩種知識圖譜基礎技術作進一步的介紹。其實，RDF、RDFS/OWL是類語義網概念背後通用的基本技術，而知識圖譜是其中最廣為人知的概念。

一、知識圖譜的基石：RDF

RDF表現形式

RDF(Resource Description Framework)，即資源描述框架，其本質是一個數據模型（Data Model）。它提供了一個統一的標準，用於描述實體/資源。簡單來說，就是表示事物的一種方法和手段。RDF形式上表示為SPO三元組，有時候也稱為一條語句（statement），知識圖譜中我們也稱其為一條知識，如下圖。

SPO

RDF由節點和邊組成，節點表示實體/資源、屬性，邊則表示了實體和實體之間的關係以及實體和屬性的關係。在第一篇文章中（為什麼需要知識圖譜？什麼是知識圖譜？——KG的前世今生），我們結合羅納爾多的例子，介紹了RDF節點和邊的型別約束，這裡不再贅述。對RDF不熟悉的讀者，可以參考第一篇文章，裡面有更直觀的描述和解釋。

RDF序列化方法

RDF的表示形式和型別有了，那我們如何建立RDF資料集，將其序列化（Serialization）呢？換句話說，就是我們怎麼儲存和傳輸RDF資料。目前，RDF序列化的方式主要有：RDF/XML，N-Triples，Turtle，RDFa，JSON-LD等幾種。

RDF/XML，顧名思義，就是用XML的格式來表示RDF資料。之所以提出這個方法，是因為XML的技術比較成熟，有許多現成的工具來儲存和解析XML。然而，對於RDF來說，XML的格式太冗長，也不便於閱讀，通常我們不會使用這種方式來處理RDF資料。

N-Triples，即用多個三元組來表示RDF資料集，是最直觀的表示方法。在檔案中，每一行表示一個三元組，方便機器解析和處理。開放領域知識圖譜DBpedia通常是用這種格式來發布資料的。

Turtle, 應該是使用得最多的一種RDF序列化方式了。它比RDF/XML緊湊，且可讀性比N-Triples好。

RDFa, 即“The Resource Description Framework in Attributes”，是HTML5的一個擴充套件，在不改變任何顯示效果的情況下，讓網站構建者能夠在頁面中標記實體，像人物、地點、時間、評論等等。也就是說，將RDF資料嵌入到網頁中，搜尋引擎能夠更好的解析非結構化頁面，獲取一些有用的結構化資訊。讀者可以去這個

頁面感受一下RDFa，其直觀展示了普通使用者看到的頁面，瀏覽器看到的頁面和搜尋引擎解析出來的結構化資訊。

JSON-LD，即“JSON for Linking Data”，用鍵值對的方式來儲存RDF資料。感興趣的讀者可以參考此網站。

下面，我們結合第一篇文章中羅納爾多知識圖的例子，給出其N-Triples和Turtle的具體表示。

羅納爾多知識圖譜

Example1 N-Triples:
<http://www.kg.com/person/1> <http://www.kg.com/ontology/chineseName> "羅納爾多·路易斯·納薩里奧·德·利馬"^^string.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/career> "足球運動員"^^string.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/fullName> "Ronaldo Luís Nazário de Lima"^^string.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/birthDate> "1976-09-18"^^date.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/height> "180"^^int.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/weight> "98"^^int.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/nationality> "巴西"^^string.
<http://www.kg.com/person/1> <http://www.kg.com/ontology/hasBirthPlace> <http://www.kg.com/place/10086>.
<http://www.kg.com/place/10086> <http://www.kg.com/ontology/address> "里約熱內盧"^^string.
<http://www.kg.com/place/10086> <http://www.kg.com/ontology/coordinate> "-22.908333, -43.196389"^^string.
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12

用Turtle表示的時候我們會加上字首（Prefix）對RDF的IRI進行縮寫。

Example2 Turtle:

@prefix person: <http://www.kg.com/person/> .
@prefix place: <http://www.kg.com/place/> .
@prefix : <http://www.kg.com/ontology/> .

person:1 :chineseName "羅納爾多·路易斯·納薩里奧·德·利馬"^^string.
person:1 :career "足球運動員"^^string.
person:1 :fullName "Ronaldo Luís Nazário de Lima"^^string.
person:1 :birthDate "1976-09-18"^^date.
person:1 :height "180"^^int. 
person:1 :weight "98"^^int.
person:1 :nationality "巴西"^^string. 
person:1 :hasBirthPlace place:10086.
place:10086 :address "里約熱內盧"^^string.
place:10086 :address "-22.908333, -43.196389"^^string.
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

同一個實體擁有多個屬性（資料屬性）或關係（物件屬性），我們可以只用一個subject來表示，使其更緊湊。我們可以將上面的Turtle改為：

Example3 Turtle:

@prefix person: <http://www.kg.com/person/> .
@prefix place: <http://www.kg.com/place/> .
@prefix : <http://www.kg.com/ontology/> .

person:1 :chineseName "羅納爾多·路易斯·納薩里奧·德·利馬"^^string;
         :career "足球運動員"^^string;
         :fullName "Ronaldo Luís Nazário de Lima"^^string;
         :birthDate "1976-09-18"^^date;
         :height "180"^^int;
         :weight "98"^^int;
         :nationality "巴西"^^string; 
         :hasBirthPlace place:10086.
place:10086 :address "里約熱內盧"^^string;
            :address "-22.908333, -43.196389"^^string.
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16

即，將一個實體用一個句子表示（這裡的句子指的是一個英文句號“.”）而不是多個句子，屬性間用分號隔開。

RDF的表達能力

在第二篇文章（語義網路，語義網，連結資料和知識圖譜）當中我們提到，RDF的表達能力有限，無法區分類和物件，也無法定義和描述類的關係/屬性。我的理解是，RDF是對具體事物的描述，缺乏抽象能力，無法對同一個類別的事物進行定義和描述。就以羅納爾多這個知識圖為例，RDF能夠表達羅納爾多和里約熱內盧這兩個實體具有哪些屬性，以及它們之間的關係。但如果我們想定義羅納爾多是人，里約熱內盧是地點，並且人具有哪些屬性，地點具有哪些屬性，人和地點之間存在哪些關係，這個時候RDF就表示無能為力了。不論是在智慧的概念上，還是在現實的應用當中，這種泛化抽象能力都是相當重要的；同時，這也是知識圖譜本身十分強調的。RDFS和OWL這兩種技術或者說模式語言/本體語言（schema/ontology language）解決了RDF表達能力有限的困境。

二、RDF的“衣服”——RDFS/OWL

之所以說RDFS/OWL是RDF的“衣服”，因為它們都是用來描述RDF資料的。為了不顯得這麼抽象，我們可以用關係資料庫中的概念進行類比。用過Mysql的讀者應該知道，其database也被稱作schema。這個schema和我們這裡提到的schema language十分類似。我們可以認為資料庫中的每一張表都是一個類（Class），表中的每一行都是該類的一個例項或者物件（學過java等面向物件的程式語言的讀者很容易理解）。表中的每一列就是這個類所包含的屬性。如果我們是在資料庫中來表示人和地點這兩個類別，那麼為他們分別建一張表就行了；再用另外一張表來表示人和地點之間的關係。RDFS/OWL本質上是一些預定義詞彙（vocabulary）構成的集合，用於對RDF進行類似的類定義及其屬性的定義。

Notice: RDFS/OWL序列化方式和RDF沒什麼不同，其實在表現形式上，它們就是RDF。其常用的方式主要是RDF/XML，Turtle。另外，通常我們用小寫開頭的單詞或片語來表示屬性，大寫開頭的表示類。資料屬性（data property，實體和literal字面量的關係）通常由名片語成，而物件資料（object property，實體和實體之間的關係）通常由動詞（has，is之類的）加名片語成。剩下的部分符合駝峰命名法。為了將它們表示得更清楚，避免讀者混淆，之後我們都會預設這種命名方式。讀者實踐過程中命名方式沒有強制要求，但最好保持一致。

輕量級的模式語言——RDFS

RDFS，即“Resource Description Framework Schema”，是最基礎的模式語言。還是以羅納爾多知識圖為例，我們在概念、抽象層面對RDF資料進行定義。下面的RDFS定義了人和地點這兩個類，及每個類包含的屬性。

@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix : <http://www.kg.com/ontology/> .

### 這裡我們用詞彙rdfs:Class定義了“人”和“地點”這兩個類。
:Person rdf:type rdfs:Class.
:Place rdf:type rdfs:Class.

### rdfs當中不區分資料屬性和物件屬性，詞彙rdf:Property定義了屬性，即RDF的“邊”。
:chineseName rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:string .

:career rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:string .

:fullName rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:string .

:birthDate rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:date .

:height rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:int .

:weight rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:int .

:nationality rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range xsd:string .

:hasBirthPlace rdf:type rdf:Property;
        rdfs:domain :Person;
        rdfs:range :Place .

:address rdf:type rdf:Property;
        rdfs:domain :Place;
        rdfs:range xsd:string .

:coordinate rdf:type rdf:Property;
        rdfs:domain :Place;
        rdfs:range xsd:string .
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49

我們這裡只介紹RDFS幾個比較重要，常用的詞彙：
1. rdfs:Class. 用於定義類。
2. rdfs:domain. 用於表示該屬性屬於哪個類別。
3. rdfs:range. 用於描述該屬性的取值型別。
4. rdfs:subClassOf. 用於描述該類的父類。比如，我們可以定義一個運動員類，宣告該類是人的子類。
5. rdfs:subProperty. 用於描述該屬性的父屬性。比如，我們可以定義一個名稱屬性，宣告中文名稱和全名是名稱的子類。

其實rdf:Property和rdf:type也是RDFS的詞彙，因為RDFS本質上就是RDF詞彙的一個擴充套件。我們在這裡不羅列進去，是不希望讀者混淆。RDFS其他的詞彙及其用法請參考W3C官方文件。

為了讓讀者更直觀地理解RDF和RDFS/OWL在知識圖譜中所代表的層面，我們用下面的圖來表示例子中的資料層和模式層。

RDFS

Data層是我們用RDF對羅納爾多知識圖的具體描述，Vocabulary是我們自己定義的一些詞彙（類別，屬性），RDF(S)則是預定義詞彙。從下到上是一個具體到抽象的過程。圖中我們用紅色圓角矩形表示類，綠色字體表示rdf:type，rdfs:domain，rdfs:range三種預定義詞彙，虛線表示rdf:type這種所屬關係。另外，為了減少圖中連線的交叉，我們只保留了career這一個屬性的rdf:type所屬關係，省略了其他屬性的此關係。

RDFS的擴充套件——OWL

上面我們提到，RDFS本質上是RDF詞彙的一個擴充套件。後來人們發現RDFS的表達能力還是相當有限，因此提出了OWL。我們也可以把OWL當做是RDFS的一個擴充套件，其添加了額外的預定義詞彙。

OWL，即“Web Ontology Language”，語義網技術棧的核心之一。OWL有兩個主要的功能：
1. 提供快速、靈活的資料建模能力。
2. 高效的自動推理。

我們先談如何利用OWL進行資料建模。用OWL對羅納爾多知識圖進行語義層的描述：

@prefix rdfs: <http://www.w3.org/2000/01/rdf-schema#> .
@prefix rdf: <http://www.w3.org/1999/02/22-rdf-syntax-ns#> .
@prefix : <http://www.kg.com/ontology/> .
@prefix owl: <http://www.w3.org/2002/07/owl#> .

### 這裡我們用詞彙owl:Class定義了“人”和“地點”這兩個類。
:Person rdf:type owl:Class.
:Place rdf:type owl:Class.

### owl區分資料屬性和物件屬性（物件屬性表示實體和實體之間的關係）。詞彙owl:DatatypeProperty定義了資料屬性，owl:ObjectProperty定義了物件屬性。
:chineseName rdf:type owl:DatatypeProperty;
        rdfs:domain :Person;
        rdfs:range xsd:string .

:career rdf:type owl:DatatypeProperty;
        rdfs:domain :Person;
        rdfs:range xsd:string .

:fullName rdf:type owl:DatatypeProperty;
        rdfs:domain :Person;
        rdfs:range xsd:string .

:birthDate rdf:type owl:DatatypeProperty;
        rdfs:domain :Person;
        rdfs:range xsd:date .

:height rdf:type owl:DatatypeProperty;
        rdfs:domain :Person;
        rdfs:range xsd:int .

:weight rdf:type owl:DatatypeProperty;
        rdfs:domain :Person;
        rdfs:range xsd:int .

:nationality rdf:type owl:DatatypeProperty;
        rdfs:domain :Person;
        rdfs:range xsd:string .

:hasBirthPlace rdf:type owl:ObjectProperty;
        rdfs:domain :Person;
        rdfs:range :Place .

:address rdf:type owl:DatatypeProperty;
        rdfs:domain :Place;
        rdfs:range xsd:string .

:coordinate rdf:type owl:DatatypeProperty;
        rdfs:domain :Place;
        rdfs:range xsd:string .
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20
  • 21
  • 22
  • 23
  • 24
  • 25
  • 26
  • 27
  • 28
  • 29
  • 30
  • 31
  • 32
  • 33
  • 34
  • 35
  • 36
  • 37
  • 38
  • 39
  • 40
  • 41
  • 42
  • 43
  • 44
  • 45
  • 46
  • 47
  • 48
  • 49
  • 50

schema層的描述語言換為OWL後，層次圖表示為：
OWL

資料屬性用青色表示，物件屬性由藍色表示。

羅納爾多這個例子不能展現OWL豐富的表達能力，我們這裡簡單介紹一下常用的詞彙：

描述屬性特徵的詞彙
1. owl:TransitiveProperty. 表示該屬性具有傳遞性質。例如，我們定義“位於”是具有傳遞性的屬性，若A位於B，B位於C，那麼A肯定位於C。
2. owl:SymmetricProperty. 表示該屬性具有對稱性。例如，我們定義“認識”是具有對稱性的屬性，若A認識B，那麼B肯定認識A。
3. owl:FunctionalProperty. 表示該屬性取值的唯一性。 例如，我們定義“母親”是具有唯一性的屬性，若A的母親是B，在其他地方我們得知A的母親是C，那麼B和C指的是同一個人。
4. owl:inverseOf. 定義某個屬性的相反關係。例如，定義“父母”的相反關係是“子女”，若A是B的父母，那麼B肯定是A的子女。

本體對映詞彙（Ontology Mapping）
1. owl:equivalentClass. 表示某個類和另一個類是相同的。
2. owl:equivalentProperty. 表示某個屬性和另一個屬性是相同的。
3. owl:sameAs. 表示兩個實體是同一個實體。

本體對映主要用在融合多個獨立的Ontology（Schema）。舉個例子，張三自己構建了一個本體結構，其中定義了Person這樣一個類來表示人；李四則在自己構建的本體中定義Human這個類來表示人。當我們融合這兩個本體的時候，就可以用到OWL的本體對映詞彙。回想我們在第二篇文章中提到的Linked Open Data，如果沒有OWL，我們將無法融合這些知識圖譜。

更多的OWL詞彙和特性請參考W3C官網文件。

接下來我們談一下OWL在推理方面的能力。知識圖譜的推理主要分為兩類：基於本體的推理和基於規則的推理。

我們這裡談的是基於本體的推理。讀者應該發現，上面所介紹的屬性特徵詞彙其實就創造了對RDF資料進行推理的前提。此時，我們加入支援OWL推理的推理機（reasoner），就能夠執行基於本體的推理了。RDFS同樣支援推理，由於缺乏豐富的表達能力，推理能力也不強。舉個例子，我們用RDFS定義人和動物兩個類，另外，定義人是動物的一個子類。此時推理機能夠推斷出一個實體若是人，那麼它也是動物。OWL當然支援這種基本的推理，除此之外，憑藉其強大的表達能力，我們能進行更有實際意義的推理。想象一個場景，我們有一個龐大資料庫儲存人物的親屬關係。裡面很多關係都是單向的，比如，其只儲存了A的父親（母親）是B，但B的子女欄位裡面沒有A，如下表。

personNotation hasParent hasChild
A B
B

如果在只有單個關係，資料量不多的情況下，我們尚能人工的去補全這種關係。如果在關係種類上百，人物上億的情況下，我們如何處理？當進行關係修改，新增，刪除等操作的時候，該怎麼處理？這種場景想想就會讓人崩潰。如果我們用inversOf來表示hasParent和hasChild互為逆關係，上面的資料可以表示為：

inverse

綠色的關係表示是我們RDF資料中真實存在的，紅色的關係是推理得到的。通過這個例子，相信讀者應該初步瞭解了OWL的推理功能和能力。

目前，OWL的最新版本是OWL 2，在相容OWL的基礎上添加了新的功能，有興趣的讀者可以查閱W3C文件。另外，OWL 2包含了三個標準，或者三種配置（Profile），它們是OWL 2完整標準（OWL 2/Full）的一個子集。讀者目前不用考慮它們之間的差別，只有當我們要用到OWL自動推理功能的時候才需要考慮到底使用哪一種配置。且在大多數情況下，我們需要知道哪種配置才是最合適的。下面簡單說說它們使用的場景：

  1. OWL 2/EL 使用場景：本體結構中有大量相互連結的類和屬性，設計者想用自動推理機得到裡面複雜的關係。
  2. OWL 2/QL 使用場景：有大量的例項資料。OWL 2 QL本體可以被改寫為SQL查詢，適用於使用OBDA（ontology based data access）的方式來訪問關係資料庫。也就是說我們不用顯式地把關係資料庫中的資料轉為RDF，而是通過對映的方式，將資料庫轉為虛擬RDF圖進行訪問。
  3. OWL 2/RL 使用場景：需要結合基於規則的推理引擎（rule-based reasoning engine）的場合。

三、總結

本文主要介紹了RDF的序列化方式，如何利用RDFS/OWL進行schema層的建模，和OWL的推理功能。接下來我們將介紹如何根據現有的關係資料庫，利用protege自頂向下地構建自己的本體結構。

參考資料

相關推薦

知識圖譜基礎之RDF，RDFS與OWL

主要介紹知識圖譜的相關概念、技術，也包含一些具體實踐。 看過之前兩篇文章（1, 2）的讀者應該對RDF有了一個大致的認識和理解。本文將結合例項，對RDF和RDFS/OWL，這兩種知識圖譜基礎技術作進一步的介紹。其實，RDF、RDFS/OWL是類語

【知識圖譜】（二）知識圖譜基礎之RDF和RDFS

第二章知識圖譜基礎2.1知識表示和其查詢語言 知識表示和知識推理是人工智慧領域中致力於表示世界上各種資訊的技術，有了這項技術，計算機在解決一個複雜任務時可以根據相關知識來依靠自動推理作為輔助決策。知識圖譜可以被視為語義網路的現代版本。2.1.1RDF和RDFS 在這部分，我們

知識圖譜升溫之勢已現，不要錯失下一個AI風口

近年來，隨著大家對高階認知能力的積極探索，知識圖譜因為表達能力強，擴充套件性好，並能兼顧人類認知與機器自動處理，引起了學術界、工業界以及政府部門的高度關注。 最先被大家熟知的應用領域應屬搜尋引擎，為了讓使用者搜尋到更好、更滿意的結果，知識圖譜在背後起到了關鍵作用。除了搜尋引擎應用的全領

python基礎之淺復制與深復制

完全 tee val 直接 2層 關於 mes 方式 pan 關於列表、字典、元組的淺復制和深復制，數字和字符串沒有淺復制和深復制一說。下面我直接用代碼來體現： 1 import copy 2 3 names = [‘Cahill‘,‘Teenglan‘,‘Eri

Django基礎之數據庫與ORM

page 寫入 src postgres def 由於 ont 方法 cut 一.數據庫配置 1.django默認支持sqlite，mysql, oracle,postgresql數據庫。 django默認使用sqlite的數據庫，默認自帶sqlite的數據庫驅動

Java逆向基礎之AspectJ的ajc與aj5命令

java aspectj ajc acj命令是用於編譯java文件和aj文件的編譯器，相當於eclipse的編譯器(ECJ)+aspectj運行時擴展aj5命令在jdk1.5上使用-javaagent:pathto/aspectjweaver.jar加載aspectj程序，達到修改字節碼的目的這兩

PE知識復習之PE的RVA與FOA的轉換

地方 第一步 為什麽 截圖 tro 需求 ddr 去掉 span 　　　　　　　　　　　　PE知識復習之PE的RVA與FOA的轉換 一丶簡介PE的兩種狀態 　　首先我們知道PE有兩種狀態.一種是內存展開.一種是在文件中的狀態.那麽此時我們有一個需求. 我們想改變一個全局

JAVA基礎 之 關於序列化與反序列化

序列化Serializable，是指將JAVA物件轉換為字元序列的過程，將物件的各屬性儲存起來，在適當的時候獲取並使用。 反序列化是和序列化相反的過程，就是把字元序列轉化為物件的過程。 在JAVA編碼中被廣泛提及，主要應用在以下情況中： 1.持久化儲存資料； 2.程序間的遠端通訊。

C語言 指標基礎篇 陣列，函式與指標的運用 2 14

下面看看如何在函式中運用指標吧  下面是往函式傳入指標的簡單操作，不是傳入陣列的。判斷一個a是否大於b是的話給，是的話對其進行操作，不是的話就直接返回。 1 #include <stdio.h> 2 int main(){ 3 int num1,num2,*p1,

08-Python基礎之迭代器與生成器

迭代器 可迭代協議：只要含有__iter__方法的都是可迭代的，只要是能被for迴圈的資料型別 就一定擁有__iter__方法 迭代器協議 ：內部含有__next__和__iter__方法的就是迭代器 迭代器的好處： 　　　從容器型別中一個一個的取值，會把所有的值都取到 　　　節省記憶體空間，迭代器

Java——Web開發之JSP，EL與JSTL的使用

JSP:從使用者角度來看是一個網頁，從開發人員來看就是一個java類，繼承了servlet，所以實際上就是一個servlet。   1.jsp的三大指令 指令的寫法     <%@ 指令名字 %> 1.page指令

Android動畫基礎之補間動畫與逐幀動畫

Android動畫分類主要分三類： Tweened Animation補間動畫 Frame Animation幀動畫 Property Animation屬性動畫 現在我們來介紹一下補間動畫。Tweened Animation補間動畫，是通過配置動畫檔案

python基礎之列表中append與extend的區別

例1：append: >>> a=[1,2,3,4] >>> b=[100,200,300] >>> a.append(b) >>> a [1, 2, 3, 4, [100, 200, 300]] #將b作為整體放入a中

Java基礎之String，StringBuilder，StringBuffer三者的區別

這個問題也是面試中很多人都回去問的。 這三個類之間的區別主要是在兩個方面，即執行速度和執行緒安全這兩方面。 String，StringBuilder，StringBuffer 執行速度 首先說執行速度，或者說是執行速度，在這方面執行速度快慢為：StringBuilder

十二、C#入門基礎(泛型，檔案與資料流)

一、泛型 什麼是泛型？ 泛型是用於處理演算法，資料結構的一種程式設計方法。泛型的目標是採用廣 泛適用和可互動性的形式來表示演算法和資料結構，以似它們能夠直接用 於軟體構造。泛型類，結構，介面，和方法可以根據它們儲存和操作的 資料型別來進行引數化。 泛型能在編譯時

程式設計基礎-----之Unicode，UTF，ASC||的概念

關鍵字 談談Unicode編碼，簡要解釋UCS、UTF、BMP、BOM等名詞 這是一篇程式設計師寫給程式設計師的趣味讀物。所謂趣味是指可以比較輕鬆地瞭解一些原來不清楚的概念，增進知識，類似於打RPG遊戲的升級。整理這篇文章的動機是兩個問題：問題一： 使用Windows記事本的

領域知識圖譜落地實踐中的問題與對策

文章釋出於公號【數智物語】 （ID：decision_engine），關注公號不錯過每一篇乾貨。   轉自 | 知識工場 作者 | 肖仰華博士，復旦大學電腦科學與技術學院教授，博士生導師，知識工場實驗室負責人   報

知性會話：基於知識圖譜的人機對話系統方法與實踐-CSDN公開課-專題視訊課程...

知性會話：基於知識圖譜的人機對話系統方法與實踐—368人已學習 課程介紹         人機對話系統，或者會話互動，有望成為物聯網時代的主要互動方式。而語言的理解與表達和知識是密切聯絡的，知識圖譜作為

知識圖譜（一）：概念與構建

一、引言 隨著網際網路的發展，網路資料內容呈現爆炸式增長的態勢。由於網際網路內容的大規模、異質多元、組織結構鬆散的特點，給人們有效獲取資訊和知識提出了挑戰。知識圖譜（Knowledge Graph) 以其強大的語義處理能力和開放組織能力，為網際網路時代的知識化組織和智慧應用

Python基礎——作用域，global與nonlocal

細碎知識，在此記錄 名稱空間 名稱空間：一個存放名字與值關係的空間，如a = 10 名稱空間分類：                                1.全域性名稱空間->我們直接在py檔案中，函式外宣告的變數都屬於全域性名稱空間