企业知识图谱通过概念、属性、个体与关系的语义网络，将业务数据与组织知识结合起来。对原本互不连通的信息与领域知识的图式整合，能够带来新的洞见并支撑智能业务应用。然而，知识图谱的构建是一项需要领域专家与技术专家共同投入的大型工作。本文介绍 Fraunhofer IIS 提出的面向工业应用的知识图谱构建流程模型（KG-PM），它是一个自包含、分步骤的实践指南，用于为工业用例构建互联异构数据与专家知识的 RDF 知识图谱。
流程模型的总体设计
KG-PM 源自跨行业数据挖掘标准流程 CRISP-DM，后者是数据挖掘项目成熟的过程参考模型，将项目生命周期组织为业务理解、数据理解、数据准备、建模、评估与部署六个阶段。由于数据挖掘与知识图谱项目都以数据理解与洞察为目标，这个与行业、工具和应用无关的模型成为 KG-PM 的理想基础。KG-PM 面向万维网联盟（W3C）定义的语义网标准，以资源描述框架（RDF）作为有向边标记图的数据模型，用 RDF Schema（RDFS）与网络本体语言（OWL）建模数据模式与语义，并以 SPARQL 作为查询语言；相比标记属性图，RDF 知识图谱在数据共享与 Web 集成方面更具优势。模型还引入了 Noy 与 McGuinness 的本体设计指南：在流程第一步定义的能力问题（CQ）贯穿整个构建过程，既用于界定图谱范围，也用于本体建模，并作为每轮迭代评估的依据。整个流程被定制以适应工业应用的需求，即复杂的行业流程与包含凌乱数据的异构数据孤岛。
业务理解与数据理解
流程的第一步“业务理解”用于理解行业流程、利益相关方及其关系。在与领域专家、技术专家和潜在用户的工作坊中，通过头脑风暴与创造力方法明确可能的用例、界定范围并推导目标，且在后续每一轮迭代中更新用例、范围与目标。其中流程发现任务可用事件驱动流程链（EPC）或业务流程模型与标注（BPMN）等流程图对业务流程建模；若流程步骤与信息系统的连接被记录，流程模型还能显示图谱的潜在数据源，同时业务术语可收集到词汇表或分类体系中，作为本体设计的输入。能力问题由跨学科团队定义、聚类并优先级排序，复杂的业务问题会被拆分为更小的问题；对于无法通过一次或多次图谱查询回答、需要统计分析或与其他信息系统交互的业务问题，则将其简化或拆分。第二步“数据理解”收集与所选用例及其能力问题相关的数据源，工作方法包括探索性数据分析与结构化数据质量评估，结果通常是数据间关系的信息（如 ERM 或 UML 图）。
数据准备与建模
流程特意设置“数据准备”作为独立步骤，与数据理解、数据质量控制紧密衔接，包含数据清洗、集成、重构与预处理等操作，目标是把从数据源导出的数据整理为适合映射到 RDF 的形式。关系数据库通常按范式组织以减少冗余、提升完整性，其特征是存在大量通过外键连接的表，这种结构对 RDF 映射并不方便，因为映射时需要组合来自不同表的属性；因此把数据转换为“扁平”或反规范化的表更利于映射。建模阶段将用例知识、能力问题与前序数据准备的信息相结合，先创建最小数据模型（如重要实体或概念、其关系与属性的实体—关系模型），用于在正式本体工程前与领域专家讨论。本体对知识图谱有两重作用：在数据层面，RDFS 或 OWL 本体作为数据模式，用于创建 RDF 数据图；在更高层面，本体通过定义公理、关系与约束，形式化用例相关知识。
评估、部署与迭代
完成本体建模后，生成的数据被转换为 RDF 数据图并集成到支持 RDF 与相应查询语言 SPARQL 的图数据库中。在“评估”阶段，基于第一步选定的能力问题编写、测试并评估 SPARQL 查询，评估结果作为下一轮流程迭代中“业务理解”的输入。如果图谱实例的评估结果证明了其可用性，则进入“部署”阶段。流程模型强调：工业场景的数据准备往往被低估，因此特意安排了数据理解与数据准备两个步骤以引起重视；与从 Web 数据构建知识图谱不同，面向已有企业数据集的场景无需开放信息抽取（OIE），而是直接围绕已定义的属性组织数据。该方法适配了复杂行业流程与多源凌乱数据，可作为开展各类领域知识图谱项目的通用指南。
小结
KG-PM 借鉴 CRISP-DM 的阶段划分，结合语义网标准与本体设计最佳实践，形成自业务理解到评估、部署并循环迭代的完整流程。它以能力问题串联需求、建模与评估，强调数据理解与数据准备的独立价值，并明确采用 RDF/RDFS/OWL 与 SPARQL 作为技术底座。该模型既服务于企业知识图谱的初次创建，也支持后续迭代中的扩展与演化。
参考来源
本文根据 Procedure Model for Building Knowledge Graphs for Industry Applications 等公开资料整理，版权归原作者与原媒体所有。