三类数据的抽取路径差异

知识抽取的难度和数据的结构化程度成反比：结构化数据（如关系数据库）只需要做格式映射， 把表结构映射成 RDF 三元组，难点仅在于嵌套表这类复杂结构的处理；半结构化数据（百科词条、 普通网页）知识结构相对固定，可以用”包装器”技术批量抽取，百科类数据尤其容易，因为它自带 Infobox 这样规整的字段；非结构化数据（纯文本、图像、音视频）没有任何预设结构，必须依赖 自然语言处理技术，拆解成实体抽取、属性抽取、关系抽取、事件抽取四个子任务分别处理。发散： 这解释了为什么知识图谱项目的工作量估算经常失控——团队容易按”数据量”线性估算成本，但 真正决定成本的是非结构化数据占比，这个变量往往在项目立项时被低估。