如何建立中游領(lǐng)域性KG（知識圖）

1   復(fù)習(xí)：上游行業(yè)性KG

在前一期《如何善用通用性行業(yè)KG》文章里，曾舉例說明了基于FlavorGraph 通用性上游KG，來建立下游任務(wù)型KG。其中，通用性行業(yè)KG（如Flavor Graph）蘊含豐富的行業(yè)共享性知識，而企業(yè)則針對小領(lǐng)域的特殊需求（如拉面的烹飪過程、食材搭配、口味調(diào)配等）。這種模式是一種知識驅(qū)動的AI 遷移學(xué)習(xí)，其建立的企業(yè)KG（如FoodKG）更具針對性，能加速AI針對企業(yè)目標的應(yīng)用。其架構(gòu)如下圖1所示。

圖1 行業(yè)KG支持下游任務(wù)

其中的核心任務(wù)是：將行業(yè)FlavorGraph的節(jié)點嵌入（node embedding）作為企業(yè)FoodKG + GCN的初始特征（initial features），讓外部的行業(yè)性知識來增強本地圖譜的表現(xiàn)。初始特征來自于成熟的知識圖譜，代表了節(jié)點間的隱含語義與結(jié)構(gòu)關(guān)系。這種初始化能顯著提升模型在各行業(yè)的學(xué)習(xí)能力和性能。

2   三層KG架構(gòu)設(shè)計

從上圖-1里，可以看到其為兩層KG架構(gòu)。其中，下游任務(wù)KG直接使用上游任務(wù)KG，兩者常常會出現(xiàn)過度相依，降低了靈活性。此時，可以考慮建立三層KG架構(gòu)，其添加了中間層KG，帶來上游與下游KG之間的松耦合（loose coupling）關(guān)系，創(chuàng)造了整體架構(gòu)的靈活性。茲說明各層KG 架構(gòu)設(shè)計要點，如下：

第一層：上游通用性行業(yè)大KG

設(shè)計要點：利用開源的FlavorGraph行業(yè)大KG+GNN。建立「食材?分子成分?味覺特性」的三重組關(guān)系，表達食材與其主要香氣化學(xué)物的對應(yīng)關(guān)系。

第二層：中游特定領(lǐng)域KG

設(shè)計要點：建構(gòu)以特定領(lǐng)域的「共現(xiàn)」關(guān)系，例如在同一份發(fā)酵菜單中出現(xiàn)的食材群。自定義發(fā)酵食譜共現(xiàn)圖，使用共現(xiàn)關(guān)聯(lián)矩陣或DGL異質(zhì)圖作為模型訓(xùn)練素材。使用GraphSAGE/GAT/GCN訓(xùn)練contextual食材嵌入，讓語意更貼近文化與地方搭配習(xí)慣。

第三層：下游任務(wù)型應(yīng)用KG

設(shè)計要點：聚焦在人與物的關(guān)系：顧客?食材，建立異質(zhì)圖。加入偏好分數(shù)、食用紀錄、健康因子等個人化屬性。融合GNN score（語意內(nèi)積）與群體差異（CF_ link）做出創(chuàng)新食譜、食材推薦。

3   承先啟后：設(shè)計中游領(lǐng)域性KG

A.認識上游KG的既有架構(gòu)

首先觀察通用性FlavorGraph 知識圖里，內(nèi)含兩種節(jié)點（Node）：食材（Ingredient）和風味化合物（Flavor compound）。也含有兩種邊（Edge）：ingr-ingr共現(xiàn)邊和ingr-fcomp成分邊。如下圖2 所示：

圖2 上游KG的架構(gòu)

這兩種邊協(xié)助FlavorGraph架構(gòu)起跨食材與化合物的知識網(wǎng)絡(luò)。其涵意如下：

●   ingr-ingr共現(xiàn)邊：即< 食材- 食材> 之共現(xiàn)關(guān)系

●   含義：這條邊代表兩種食材之間的風味分子相似性（Flavor Compound Similarity）。

●   使用場景：當兩種食材具有類似的化學(xué)風味分子(Flavor compounds），這FlavorGraph就會建立一條ingr-i表示它們可能能夠很好地搭配（互補）。

●   應(yīng)用例子：洋蔥與大蒜可能具有共同的硫化物化合物，因此在許多料理中常一起使用。

●   ingr-fcomp成分邊：即< 食材- 風味化合物> 之包含關(guān)系

●   含義：這條邊表示某個食材中實際包含某個特定的風味化合物（或稱：風味分子）。

●   使用場景：建立從食材節(jié)點（Ingredient node）指向風味化合物節(jié)點（Flavor compound node）的連結(jié)，描繪食材的化學(xué)組成。

●   應(yīng)用例子：香菜（Cilantro）會連結(jié)到decanal 或linalool這類風味化合物。

以表格說明如下：

以Python 代碼（片段）表示如下：

data_dict = {( 'ingredient', 'cooccur', 'ingredient'): (torch.

tensor(src_cooccur), torch.tensor(dst_cooccur)),( 'ingredient', 'chem_sim', 'ingredient'): (torch.

tensor(src_chem), torch.tensor(dst_chem)),}

g = dgl.heterograph(data_dict, num_nodes_dict={'ingredient': num_nodes})

這種通用性行業(yè)KG蘊含了豐富的行業(yè)共享性知識。

B.中游KG的架構(gòu)設(shè)計

一旦充分熟悉了上游大KG 的架構(gòu)了，就能承先啟后、繼往開來，設(shè)計出一個中游領(lǐng)域性KG了。例如，基于FlavorGraph 的預(yù)訓(xùn)練嵌入（Embedding）來建立發(fā)酵食品的領(lǐng)域性（中游）<食譜?食材KG>，它將具備語意豐富的風味知識結(jié)構(gòu)。從上圖-2里，可以觀察到，F(xiàn)lavorGraph的核心節(jié)點是：食材，而其< 食材?食材>邊是分子層級風味成分的相似性之關(guān)聯(lián)，又稱為：下層（分子）的共現(xiàn)性。

接著，仍以食材為中心，添加上層視角的觀察，會發(fā)現(xiàn)到：上層（食譜）的共現(xiàn)性。亦即，兩種食材出現(xiàn)于同一食譜的共現(xiàn)性。這就構(gòu)成一個中游KG的基礎(chǔ)架構(gòu)了。如下圖3所示。

圖3 中游KG的架構(gòu)

茲以Python 代碼( 片段) 表示如下：

# Prepare graph data

graph_data = {

('ingredient', 'cooccur', 'ingredient'): (torch.

tensor(co_src), torch.tensor(co_dst)),( 'ingredient', 'chem_similar', 'ingredient'):

(torch.tensor(chem_src), torch.tensor(chem_dst)),}

# Build heterograph

g = dgl.heterograph(graph_data)

現(xiàn)在已經(jīng)在Python 代碼里定義好了一個異構(gòu)圖（Heterograph）。接著，就能拿它（異構(gòu)圖）來訓(xùn)練GNN模型。例如，其完整代碼執(zhí)行時，訓(xùn)練GIN模型100回合，輸出如下：

于是，訓(xùn)練好了中游KG模型，并且生成各節(jié)點的嵌入表示，儲存于mid_ingredient_embeddings.csv檔案里。

4   下游任務(wù)KG &應(yīng)用開發(fā)

這是最貼近消費者的下游應(yīng)用層，可以將顧客數(shù)據(jù)（如偏好、點餐行為等）建成下游KG，結(jié)合中游KG模型學(xué)得的食材嵌入（Embedding），透過GNN預(yù)測出每位顧客對食材的潛在偏好。我們更導(dǎo)入傳統(tǒng)策略如K-means分群、和反事實連結(jié)（Counterfactual link）推薦，成為一個商業(yè)性的AI推薦引擎。例如，可以建立一個下游KG，如下圖4所示：

茲以Python代碼( 片段) 表示如下：

# === 建構(gòu)下游KG ===g = dgl.heterograph({

('customer', 'prefers', 'ingredient'): (torch.tensor(pref_src), torch.tensor(pref_dst)),})

# === 載入中游食材嵌入 ===

emb_df = pd.read_csv("mid_ingredient_embeddings.csv", index_col=0)name_to_emb = { name: torch.tensor(row.values, dtype=torch.float32) for name, row in emb_df.iterrows()}

# 食材節(jié)點嵌入來自中游KG

torch.manual_seed(10)

ingredient_feats = torch.stack([name_to_emb[name] if name in name_to_emb else torch.randn(16) for name in ingredients])

g.nodes['ingredient'].data['feat'] = ingredient_feats

例如，其完整代碼執(zhí)行時，輸出如下：

這先讀取中游KG 的節(jié)點嵌入，作為下游KG 的初期節(jié)點特征。接著，對全部客人（customer）節(jié)點特征，進行K-means分群（Clustering），然后探索出反事實連結(jié)，而輸出推薦內(nèi)容。

5   結(jié)語

上游大KG設(shè)計思維是，選擇具可信度的領(lǐng)域知識來源（如FlavorGraph、專業(yè)食材文獻），著重于「可轉(zhuǎn)為語意向量」的屬性建構(gòu)，例如分子、味覺分類、功能卷標。其設(shè)計時應(yīng)盡量通用與可重復(fù)使用，讓其他任務(wù)也能延伸引用。亦即，整合了化學(xué)組成、風味關(guān)聯(lián)，建立食材之間的語意知識網(wǎng)絡(luò)。

中游領(lǐng)域KG設(shè)計思維是，以「任務(wù)情境」為驅(qū)動（例如：發(fā)酵菜單、飲食場景），其圖結(jié)構(gòu)可簡單（如共現(xiàn)）但要具有代表性與數(shù)據(jù)源依據(jù)，可以從同一菜單中出現(xiàn)的食材建立雙邊共現(xiàn)關(guān)系。亦即，捕捉到「能共煮」、「風味類似」等潛在語意，為后續(xù)推薦提供基礎(chǔ)。下游應(yīng)用任務(wù)KG設(shè)計思維是，聚焦在人與物的關(guān)系：顧客?食材，建立異質(zhì)圖。加入偏好分數(shù)、食用紀錄、健康因子等個人化屬性。并融合GNN score（語意內(nèi)積）、K-Means（分群）與群體差異（CF_link）做出推薦。例如，在<食譜?食材> 的包含邊，添加一個邊屬性（attribute）：烹煮順序。如下圖5 所示：

圖5 更多下游應(yīng)用KG

在這下游KG 模型里，將客人、食材與食譜建構(gòu)成異質(zhì)圖，導(dǎo)入GNN與 KMeans推薦模型，一旦找到CF_links，就能推薦創(chuàng)新食譜給客人，也能提供創(chuàng)新制程（SOP）給廚師（可能是機器人），不亦美哉。

（本文來源于《EEPW》202504）