2. 知识图谱基础：三元组、RDF、属性图、图数据库

知识图谱这东西，说到底就是把世界上的事物用“关系”串起来。你想想看，药物可以治疗疾病，药物有副作用，基因与疾病相关……这些关系放到一起，就是一个巨大的网络。我开始做药物重定位的时候，第一次接触知识图谱，当时就只有一个感受：这玩意儿太适合解决跨领域关联问题了。

但光有感受不行，得理解底层到底是怎么存的、怎么查的。这一节我就把四个核心概念串起来讲：三元组、RDF、属性图、图数据库。它们环环相扣，搞懂了，后面做特征分析才有底气。

2.1 三元组：知识图谱的最小单元

知识图谱里最基础的存储单元就是三元组。格式极其简单：

(主体, 关系, 客体)

说白了就是“主语-谓语-宾语”那一套。举个例子：

(二甲双胍, 治疗, 2型糖尿病)

这就代表“二甲双胍”这个药，有关系“治疗”，指向“2型糖尿病”。

我在项目里整理数据时，经常会碰到主体和客体都是药物的情况，比如：

(阿司匹林, 相互作用, 华法林)

这种二元关系用三元组存起来，机器就能直接理解。你想想看，如果我们把几万、几百万条这样的三元组拼到一起，是不是就是一个知识网络？

2.2 RDF：让三元组有了标准

有了三元组还不够，不同系统之间怎么交换数据？这时候RDF（Resource Description Framework）就站出来了。它是W3C定的一套标准，给每个实体一个全局唯一的URI，这样大家引用的资源就不会混淆。

举个例子，用Turtle格式写一个RDF三元组：

<http://example.org/drug/metformin>
    <http://example.org/predicate/treats>
    <http://example.org/disease/type2diabetes> .

看着挺啰嗦的，对吧？但好处是全局唯一，我当年对接外部数据源时，就靠URI避免了无数“同名不同义”的坑。

RDF还有几种常见的序列化格式：

格式	特点	常见场景
Turtle（.ttl）	简洁, 可读性好	手动编辑、小规模数据
RDF/XML	标准交换格式	企业系统、语义网工具
JSON-LD	与JSON兼容	Web API、前端集成
N-Triples	每行一个三元组，最朴素	大数据批量导入

2.3 属性图：更贴近开发者的视角

RDF虽然标准，但有些场景用着别扭。比如要给一个药物节点加上“分子量”、“半衰期”这些属性，RDF里得拆成多个三元组，维护起来有点繁琐。这时候属性图模型就出现了。

属性图的核心思想很简单：节点和关系都可以带属性（键值对）。比如一个药物节点：

Node: Drug_Metformin
  Properties:
    name: "二甲双胍"
    molecular_weight: 129.16
    half_life: 6.2  // 单位小时

关系也可以带属性，比如“治疗”关系可以写上“证据等级：A级”。这一点我在做知识图谱特征工程时特别有用——可以直接把属性作为特征喂给模型。

比较一下RDF和属性图：

维度	RDF	属性图
节点标识	IRI（全局URI）	本地ID（可全局）
关系表达	三元组边	命名关系（可带属性）
属性存储	拆成多个三元组	键值对直接挂在节点/边上
查询语言	SPARQL	Cypher、Gremlin
主要用途	语义网、数据交换	图数据库、知识图谱应用

2.4 图数据库：把图存下来、查出来

有了图模型，总得有个地方存吧？图数据库就是专门干这个的。它针对图的遍历（比如从某个药物出发，沿“治疗”关系找到所有疾病）做了深度优化，比你用关系数据库的JOIN快得多。

常见的图数据库：

• Neo4j：属性图数据库的标杆，查询语言Cypher。社区活跃，文档齐全。我自己最开始就是从Neo4j入门的。
• JanusGraph：支持大规模分布式图，底层用Cassandra或HBase。适合超大数据量。
• Virtuoso / RDF4J：专为RDF设计，支持SPARQL。适合语义网场景。

举个例子，用Cypher查询“二甲双胍治疗的所有疾病”：

MATCH (drug:Drug {name: '二甲双胍'})-[r:TREATS]->(disease:Disease)
RETURN disease.name, r.evidence_level

用SPARQL查同样的东西：

PREFIX drug: <http://example.org/drug/>
SELECT ?disease ?level WHERE {
  drug:metformin drug:treats ?disease .
  OPTIONAL { ?disease drug:evidenceLevel ?level . }
}

2.5 知识图谱基础框架图

下面这张SVG图把从三元组到图数据库的整体关系画出来了。你一看就明白它们之间怎么衔接的。

2.6 小结

这几个概念一开始可能觉得有些抽象，但实际用起来没想象中复杂。说白了，三元组就是积木块，RDF和属性图是两种搭建方式，图数据库就是搭好之后的乐高底板。我做药物重定位的第一步，就是把公开数据库（DrugBank、DisGeNET）转换成这些图结构，然后才能做特征分析。

记住一句话：选对模型，事半功倍。数据需要广泛交换？用RDF。需要快速查询和属性扩展？用属性图。