知识图谱 02：概念、类别、实例与层级结构
继续沿用前一篇的任务。我们要做一个科技史知识服务系统，并希望它能回答：
詹姆斯·瓦特（James Watt）属于哪一类人物？蒸汽机（steam engine）属于哪一类技术对象？格拉斯哥大学（University of Glasgow）属于哪一类机构？工程师（engineer）与发明家（inventor）是什么关系？要回答这些问题，只知道若干实体名称还不够。系统还需要一套更基础的分类框架：哪些是概念，哪些是类别，哪些是实例，类别之间怎样形成层级。知识图谱中的很多结构，正是建立在这一层基础之上的。
一、分类基础与知识组织
如果系统只记录 James Watt、steam engine、University of Glasgow、Industrial Revolution 这些实体名称，那么它只是保存了一组实体标识，还没有说明这些实体分别属于什么类别，也没有说明类别之间存在怎样的结构关系。
但用户真正关心的，往往不只是“有哪些实体”，而是“这些实体分别属于什么类别”“这些类别之间如何联系”。
例如：
James Watt 属于 person、engineer 还是 inventor？steam engine 属于 machine 还是 invention？University of Glasgow 属于 institution 还是 university？这说明，知识图谱不仅要表示实体，还要表示实体在分类体系中的位置。没有分类，图谱中的实体就容易停留在零散罗列的状态，很难形成稳定、可扩展的知识结构。
二、概念与类别
概念是人们对一类对象共同特征的抽象认识，类别则是这种概念在知识组织中的表达形式。换句话说，概念偏重“认识上的抽象”，类别偏重“组织上的归类”。
例如，在当前任务中，可以形成这样一些类别：
• person
• engineer
• inventor
• institution
• university
• machine
• historical period
这些类别一旦进入知识图谱，就不再只是普通词语，而会成为组织实体的结构节点。它们帮助系统回答“这一类是什么”“哪些实体可以归入这一类”这样的问题。
因此，知识图谱中的分类，并不是对实体进行随意标注，而是要把实体放入一套相对稳定的概念体系中。
延伸阅读：
《概念、内涵、外延：知识组织的基础》
三、实例及其知识地位
实例是某个类别下的具体对象。如果说类别回答“这一类是什么”，那么实例回答“这一类中有哪些具体对象”。
在这个任务里，可以作如下理解：
• James Watt 是 person 的实例
• University of Glasgow 是 university 的实例
• steam engine 是 machine 的实例
• Industrial Revolution 在这里可以近似看作某一历史时期（historical period）中的具体历史阶段
这里最重要的一点是：类别不是实例，实例也不是类别。
“engineer”是类别，“James Watt”是实例。
“university”是类别，“University of Glasgow”是实例。
“machine”是类别，“steam engine”是实例。
如果把类别和实例混在一起，图谱中的层次就会混乱，后面的关系建模、查询和简单推导也会变得不稳定。
延伸阅读：
《类、实例、成员与子类：四个最容易混淆的基础概念》
四、类别层级与结构关系
知识图谱中的类别并不是平铺罗列的。很多类别之间存在从一般到具体的层级关系，也就是上下位关系。
例如：
• person
• engineer
• inventor
• institution
• university
• technical object
• machine
这类关系说明：更具体的类别通常保留上层类别的一般特征，同时增加更具体的限定条件。
例如，engineer 和 inventor 都可以看作 person 的下位类别，university 可以看作 institution 的下位类别。
这一层级关系及实例归属关系，可以概括为下面的示意图：
在科技史知识服务系统中，还需要进一步区分两类基础关系：
• 类别与类别之间的关系，是层级关系
• 实例与类别之间的关系，是归属关系
例如：
• engineer 是 person 的下位类别
• University of Glasgow 属于 university
• steam engine 属于 machine
因此，知识图谱中的“分类”不是简单分组，而是带有层级结构的组织。
延伸阅读：
《集合、元素、隶属与包含：知识分类的数学基础》
五、类—实例—层级结构的建模意义
现在回到最初任务。如果没有类别和层级，系统可能只能保存“James Watt — improved — steam engine”这样的事实。
但有了类—实例—层级结构之后，系统就可以进一步支持更有意义的问题，例如：
• 哪些 engineer 改进了 machine？
• 哪些 university 与 engineer 有关联？
• James Watt 既然属于 engineer，那么他是否也属于 person？
这说明，类—实例—层级结构至少有三方面作用。
1、帮助实体归类
实体不再只是孤立节点，而是被放入明确的类别中。
2、帮助知识组织
图谱可以从零散事实提升为有层次的知识结构。
3、支持简单推导
如果系统知道 engineer 是 person 的下位类别，而 James Watt 属于 engineer，那么基于层级关系，系统就可以进一步判断 James Watt 也属于 person。
六、从概念基础到知识图谱建模
知识图谱不仅要表示实体和关系，还要把实体放进类别体系，把类别组织成层级结构。
在实际建模中，这意味着至少要先回答四个问题：
• 哪些是类别？
• 哪些是实例？
• 哪些类别之间有上下位关系？
• 哪些实例属于哪些类别？
只有这些基础关系清楚了，后面的实体、关系、属性建模才会更稳定；进一步使用 RDF、RDFS、OWL 等形式化知识表示工具时，也才有明确依托。
延伸阅读：
《RDF、RDFS、OWL 三者是什么关系》
📘 小结
知识图谱的概念基础，核心是概念、类别、实例与层级结构。类别用来组织实体，实例用来连接具体对象，层级结构用来组织类别体系。没有这一层基础，知识图谱就很难形成稳定、可扩展的知识结构。
“点赞有美意，赞赏是鼓励”