在知识图谱构建中，知识抽取已经能够从原始数据中识别出实体、关系和属性，但这些结果往往还是零散的，抽取之后并不能直接得到高质量图谱，还必须经过知识融合，才能把分散的知识单元组织成较一致、较完整的知识对象。
一、什么是知识融合
知识融合（Knowledge Fusion），是指将多个知识源中的知识进行整合，使关于同一实体或概念的多源描述能够被归并、对齐和统一的过程。它的目标，不是简单“把数据放在一起”，而是解决两个更本质的问题：
（1）这些描述说的是不是同一个对象；
（2）如果是同一个对象，应当怎样形成统一表达。
如果说知识抽取解决的是“从数据中找出知识”，那么知识融合解决的就是“怎样把这些知识归并到正确对象上”。因此，知识融合并不是知识图谱中的附属环节，而是从“信息碎片”走向“统一知识对象”的关键一步。
二、知识融合主要解决哪些问题
抽取得到的知识单元，通常会出现以下问题：
（1）同一实体有多种写法；
（2）同一名称可能指向不同实体；
（3）多个来源对同一对象的描述不完整；
（4）不同来源之间可能存在重复、冲突或不一致。
继续沿用艺术领域文本示例：
法国印象派画家克劳德·莫奈（Claude Monet）于 1872 年创作了著名的油画《日出·印象》（Impression, Sunrise），这幅作品现收藏于法国勒阿弗尔美术馆。
假设系统已经从不同来源抽取出以下表达：
“克劳德·莫奈创作了《日出·印象》”“Claude Monet painted Impression, Sunrise”“莫奈作品《日出·印象》现藏于勒阿弗尔美术馆”这三条信息看上去来自不同来源、使用不同语言、表达方式也不相同，但它们很可能都在描述同一个画家、同一幅作品和相关关系。若不经过融合，图谱中就可能出现多个“莫奈”、多个《日出·印象》，甚至形成重复或冲突节点。
因此，知识融合的任务，就是把这些分散描述整理为统一知识对象。
知识融合并不只是“去重”，而是要在多个层面上把知识统一起来。常见问题主要包括以下几类。
三、知识融合的几项关键任务
围绕上述问题，知识融合通常会涉及指代消解、实体消歧、实体链接和知识合并等任务。它们都服务于“统一知识表示”，但关注点并不相同。
1、指代消解
指代消解（Coreference Resolution）主要面向文本内部的指称关系。它要判断多个名词、短语或代词是否指向同一个真实对象。
例如，在一段艺术评论中，前文写“克劳德·莫奈”，后文改写成“他”“这位印象派画家”“莫奈本人”。这些称呼表面不同，但很可能都指向同一实体。
对知识图谱来说，指代消解的重要性在于：如果文本内部的这些说法没有被识别为同一对象，那么同一实体的信息就会被拆散，后续的实体归并和关系组织都会受到影响。
2、实体消歧
实体消歧（Entity Disambiguation）主要解决同名实体带来的歧义问题。它不是简单看名称，而是结合上下文、类别和已有知识来判断当前提法究竟对应哪一个对象。
例如，“莫奈”在一般艺术语境中通常指克劳德·莫奈，但在特殊文本环境中，系统仍需通过上下文确认具体所指。再如，“日出”既可能是普通词，也可能是作品标题的一部分。
实体消歧的重要作用有两点：
（1）减少同名实体带来的歧义；
（2）降低图谱的冗余和稀疏性。
3、实体链接
实体链接（Entity Linking）是指把从文本或表格中抽取得到的实体对象，链接到知识库中已经存在的正确实体对象。它通常包括两个基本步骤：
（1）生成候选实体；
（2）通过相似度计算和上下文匹配，选择最合适的对象。
例如，系统从文本中识别出“Claude Monet”，接下来要判断它应当链接到图谱中的“克劳德·莫奈”节点，而不是新建一个重复实体。
实体链接的意义在于：它让新抽取出来的知识，能够接入已有图谱，而不是变成孤立片段。
4、知识合并
对于外部知识库和关系数据库等结构化来源，知识融合还会表现为更广义的知识合并（Knowledge Merging）。它解决的是不同结构化来源之间的字段差异、模式差异和语义差异问题。
例如，一个来源把“创作时间”写成字段，另一个来源把“创作时间”写在说明文字中，还有的来源只写“19 世纪后期”。
这些信息都可能描述同一个属性，但表达方式并不一致。知识合并要做的，就是把这些结构化或半结构化知识统一整理进图谱。
5、几项关键任务之间是什么关系
这几项任务虽然都服务于知识融合，但它们的处理层面并不相同：
指代消解：主要处理文本内部不同说法之间的对应关系；
实体消歧：主要处理同名实体的歧义问题；
实体链接：主要处理抽取对象与知识库节点之间的连接问题；
知识合并：主要处理多源结构化知识之间的统一问题。
可以用下面的示意图概括它们之间的关系：
仍以上面的莫奈示例来说：
（1）“克劳德·莫奈”“Claude Monet”“这位画家”先通过指代消解归并；
（2）再通过实体消歧判断当前语境确实指向这位印象派画家；
（3）最后通过实体链接，把它接到知识图谱中的“克劳德·莫奈”节点上；
（4）若还有外部数据库中的结构化记录，则再通过知识合并纳入同一对象。
延伸阅读：
《实体标识、实体消歧与实体对齐：从“同名”到“同一”》
四、知识融合后的结果
知识融合的结果，不只是让图谱中的实体“变少”，而是让图谱中的知识“变得更统一、更完整”。
继续以上面的莫奈示例来说，融合之后，系统希望形成的是一个统一对象：
• 实体：克劳德·莫奈
• 别名：莫奈、Claude Monet
• 关系：创作《日出·印象》
• 属性：出生年份、流派、相关机构等
也就是说，融合后的知识不再是彼此平行的碎片，而是围绕统一对象组织起来的结构化描述。
这说明，知识融合真正完成的是“多源描述到统一知识对象”的转换。
五、知识融合在知识图谱中的作用
知识融合的核心价值，在于把多源知识从“并列堆放”变成“统一组织”。它让同一实体的多种写法能够汇聚到同一个节点，让同名或近义对象不至于被混淆，也让不同来源的数据能够共同参与知识图谱构建。
但融合之后，知识仍然主要是经过整理的事实表达，并不等于已经形成可推理、可评估、可长期维护的知识体系。要让知识真正进入更稳定的图谱形态，还需要进一步经过本体构建、知识推理和质量评估等知识加工过程。
📘 小结
知识融合的任务，是把知识抽取得到的碎片化结果整合为较一致、较完整的知识对象。它通过指代消解、实体消歧、实体链接和知识合并，解决多源知识中的重复、歧义和冲突。
“点赞有美意，赞赏是鼓励”
