2. 知识图谱基础概念：实体、关系、属性与三元组

好，咱们正式开始干活之前，得先把地基打牢。

你想想看，知识图谱听起来很高大上，什么图数据库、语义网络、推理引擎... 但其实它的核心零件特别简单。说白了，就是几个基本概念拼起来的乐高积木。我刚开始接触知识图谱的时候，也觉得这东西玄乎，后来亲手搭了几个项目才发现，万变不离其宗。

今天这一章，我们就把这几个核心概念掰开揉碎了讲清楚。掌握了它们，你再看后面 COVID-19 药物图谱的搭建，就会觉得特别顺。

2.1 实体：图谱里的“主角”

实体，就是世界上的具体事物。一个人、一家公司、一种药、一个基因，只要是你想描述的对象，都可以叫实体。

在 COVID-19 这个场景里，实体很容易找。比如：

• 药物：瑞德西韦、帕昔洛韦、法匹拉韦
• 疾病：COVID-19、普通感冒
• 靶点：3CL蛋白酶、RNA聚合酶
• 基因：ACE2、TMPRSS2

每个实体在知识图谱里都有一个唯一ID。就像每个人都有身份证号，你不能重复。我在项目中遇到过不少初学者，直接用中文名称当ID，结果「新冠」和「新型冠状病毒肺炎」指代同一个东西，但在系统里被当成了两个实体。这可是个坑。

2.2 关系：实体之间的“纽带”

实体孤零零地放着没意义。它们必须通过关系连接起来，才能形成知识。

关系是有方向的。比如：

• 「瑞德西韦」治疗 「COVID-19」
• 「SARS-CoV-2」导致 「COVID-19」
• 「瑞德西韦」靶向 「RNA聚合酶」

我建议你一开始就把关系类型定义清楚。不要贪多，常用的就那几种：治疗、导致、靶向、属于、参与。我以前犯过一个错，把「靶向」和「抑制」混在一起用，结果后面做推理查询时，逻辑全乱了。

还一个容易忽略的点：关系可以带属性。比如「瑞德西韦 治疗 COVID-19」，这个关系可以加一个「证据等级」属性，值是「临床试验 III 期」。这样图谱就不只是一个结构，而是一张带权重的信息网。

2.3 属性：实体的“特征”

属性是用来描述实体的。实体是“谁”，属性就是“它有什么特点”。

拿「瑞德西韦」举例：

实体ID: DRUG_001
名称: 瑞德西韦
化学式: C27H35N6O8P
分子量: 602.58 g/mol
作用机制: RNA聚合酶抑制剂
获批状态: 已批准

看到没？这些特征都是属性。注意，属性没方向，它只是贴在实体上的键值对。

2.4 三元组：知识的最小单元

好了，前三个概念合在一起，就构成了知识图谱最核心的构成单元——三元组。

三元组的结构特别简单：

(头实体, 关系, 尾实体)

比如：

(瑞德西韦, 治疗, COVID-19)
(COVID-19, 由引起, SARS-CoV-2)
(SARS-CoV-2, 入侵, ACE2受体)

一批三元组连在一起，就变成了一张网。每个实体是节点，关系是连线。就这么简单。

我遇到过一个真实案例：一个药物图谱项目，从文献里抽了 200 多万个三元组。但质量很差，因为很多三元组里的实体名称不一致。后来我们花了两周做实体对齐，把「COVID-19」「2019-nCoV」「新冠病毒」统一成一个ID。这个活儿特别脏，但是绕不开。

2.5 小结与对比表格

我觉得一个表格可以帮你把这几个概念一眼看透：

概念	定义	示例	是否带方向
实体	世界上的具体事物	瑞德西韦、COVID-19、ACE2	无方向
关系	实体之间的语义连接	治疗、靶向、导致	有方向
属性	实体的特征描述	分子量、获批状态、颜色	无方向，附属
三元组	头实体→关系→尾实体	(瑞德西韦, 治疗, COVID-19)	复合结构

2.6 知识图谱的核心结构图

下面这张图，我把核心概念和它们的关系画出来了。你重点关注实体怎么通过关系连成网，属性怎么附着在实体上。

这张图里，蓝色的「头实体」通过红色的「关系」连接到绿色的「尾实体」，形成一个三元组。紫色的「属性」用虚线挂接到实体上。橙色的「更多实体」表示这个结构可以不断延伸，最终形成一张复杂的知识网络。