企业知识图谱如何正确分类?
分类做着做着,就乱了。
不是分得不够多,恰恰相反,是越分越多、越多越乱:条目互相重复、有些东西怎么归都不对、同一个东西放在 A 类也行放在 B 类也行。最后整个分类体系变成一团,谁来都理不清。
这篇想把这个坑讲清楚。如果你在做知识图谱、知识库、RAG 的知识组织,或者任何需要"给一堆东西分类"的工作,希望它帮你少走一段弯路。
· · · ✦ · · ·
一、先看一个具体的死结
我做的是某通信运营商的知识体系。一开始的任务很朴素:把业务知识分类,建立一套分类体系。
我们定了大概 70 个分类。listed 出来之后,问题立刻就来了。
举一个最典型的。我们有一个分类叫"政企产品",又有一个分类叫"宽带产品"。看起来都没问题——直到出现一个东西:面向政企客户的宽带产品。
它该放哪?
放进"政企产品"?可它确实是宽带。放进"宽带产品"?可它确实是政企的。两个都放?那这条知识就在体系里重复了,以后一更新就要改两个地方,迟早不一致。
这不是个例。一旦你较真,就会发现这样的"两难"到处都是。你会本能地觉得是自己没想清楚、是分类还不够细——于是再去加分类、再去定规则。但越加越乱。
我卡了很久才意识到:问题根本不在"分得够不够细",问题在分类的"维度"本身就错了。
· · · ✦ · · ·
二、为什么会死结:你把两个维度塞进了一棵树
把上面那个例子拆开看:
"政企产品"——这是按客户类型分的(政企客户 / 家庭客户 / 个人客户)
"宽带产品"——这是按产品形态分的(宽带 / 移动 / 语音 / IPTV)
「客户类型」和「产品形态」,是两个互相独立的维度。
一个产品,它在"客户维度"上有个位置,在"产品维度"上也有个位置,这两个位置是同时成立、互不冲突的。"面向政企的宽带"——它在客户维度是"政企",在产品维度是"宽带",本来一点都不矛盾。
矛盾是怎么来的?是因为你建了一棵树。
树状分类的本质是:每个东西只能挂在一根树枝上,只能有一个位置。可现实里这个产品有两个身份(政…