從應用的角度看知識圖譜的價值和挑戰(zhàn)-胡國平(1)

1、2022-3-51從應用角度來看知識圖譜的價值和挑戰(zhàn)科大訊飛研究院 胡國平2014年10月17日 武漢2第二屆全國中文知識圖譜研討會 本次知識圖譜研討會 著重探討中文知識圖譜的構建的資源、技術、方案、策略以及待研究問題和挑戰(zhàn) 促進研究單位之間以及研究界和產(chǎn)業(yè)界之間的學術交流 探索今后大規(guī)模中文知識圖譜構建的研討與合作機制3訊飛研究院簡介 科大訊飛公司（中文信息領域的三個上市公司之一）下設的專門從事語音及語言核心技術研究的部門 指導思想：用正確的方法，做有用的研究4訊飛發(fā)展史上“有用的研究”語音合成引擎廠商語音評測教育學習語音識別運營商&安全語音交互移動互聯(lián)5交流內(nèi)容從應用角度來看知識圖

2、譜的價值和挑戰(zhàn)6什么是知識圖譜(Knowledge Graph)? 知識圖譜旨在描述真實世界中存在的各種實體或概念及其關系，一般用三元組表示 知識圖譜亦可被看作是一張巨大的圖，節(jié)點表示實體或概念，邊則由屬性或關系構成中國國家美國日本英國北京9,634,057平方公里13.5404億2069.3萬北緯3856東經(jīng)116203.1525億華盛頓9,629,091平方公里 北緯3853西經(jīng)7702178平方公里16410平方公里1.26億377835平方公里東京2188平方公里東經(jīng)14050北緯3544面積人口首都緯度經(jīng)度面積人口7知識圖譜構建后臺的技術族WebWeb字典字典, , 術語表術語表,

3、, 百科百科, ,書本書本知識獲取+已有知識庫知識融合知識驗證知識圖譜知識圖譜8現(xiàn)有的大規(guī)模知識名稱規(guī)模Yago1千萬實體，35萬類別，1.8億事實，100種屬性，100語言Dbpedia4千萬實體，250類別，5億事實，6000種屬性，F(xiàn)reebase2千5百萬實體，2000主題，1億事實，4000種屬性谷歌知識圖譜5億實體名字，35億條事實NELL3百萬實體名字，300類別500屬性，100萬事實1千5百萬學習規(guī)則9中文知識庫 傳統(tǒng)的語言類知識庫，基于人工編寫方式，構建了一系列的中小規(guī)模中文知識庫 知網(wǎng)(HowNet)董振東 和 董強,1999 同義詞詞林梅家駒等,1996 概念層次網(wǎng)絡(

4、HNC)黃曾陽,1997 大規(guī)模事實類知識庫，針對自身業(yè)務需要建立 百度知心，優(yōu)化搜索 搜狗知立方，優(yōu)化搜索 阿里巴巴知識庫(商品知識庫 ) 10訊飛的一些初步嘗試11音樂領域任務定義：想聽什么，想問什么，直接說放一首王力宏的歌（王力宏_歌手）我想聽江南style神曲(江南style_歌曲)來一首他一定很愛你，阿杜的（阿杜_歌手_他一定很愛你_歌曲）來首兒歌（兒歌_標簽）我想聽一首歌吻吻的幸福 (穩(wěn)穩(wěn)的幸福_歌曲 ， 需容錯)播放周杰倫的新歌 （周杰倫_歌手，歌曲屬性為“新”）周董和費玉清合作的那首歌（周杰倫_歌手& 費玉清_歌手）周杰倫和哪些臺灣女歌手合作過（知識問答）神話是孫楠和誰

5、合唱的（知識問答）語音識別的突破，大大激發(fā)了語音理解的需求12歌手 6萬歌曲 260萬專輯 44萬標簽 2000類系統(tǒng)實現(xiàn)下載融合語義理解曲庫查詢語音識別基于互聯(lián)網(wǎng)的音樂曲庫構建 + 基于人工規(guī)則的語義理解結果 生成13基于互聯(lián)網(wǎng)的音樂曲庫構建 遇到了一系列的問題 同一個歌曲有多個歌手演唱過的版本，甚至多個完全不同的歌曲，網(wǎng)上信息比較混亂同庾澄慶版另一首歌同庾澄慶版，但是沒有人聲，何真真是演奏者14基于互聯(lián)網(wǎng)的音樂曲庫構建 遇到了一系列的問題 同一個歌曲有多個歌手演唱過的版本，甚至多個完全不同的歌曲，網(wǎng)上信息比較亂 歌曲的標簽體系比較亂，需要融合 “藍調(diào)”“布魯斯”（對應的英文都是Blues）

6、 “慢搖”“R&B”“HIP&HOP” “戲曲”“京劇”“昆曲”“黃梅戲”（相互平行） “純音樂”“鋼琴曲”“古箏”“薩克斯” 歌曲名、歌手名很隨意 我想給我的朋友點首我愛你中國這首歌15音樂曲庫重構 音樂曲庫重構 以事件本體為依據(jù)重構音樂本體庫，替換三元組方案16音樂曲庫重構細化細化新增17基于人工規(guī)則的語義理解神話是孫楠和誰合唱的？文法解析知識庫查詢SPARQL查詢語句生成答案生成孫楠和韓紅合唱了神話韓紅歌手 6萬歌曲 260萬專輯 44萬標簽 2000類param:singer孫楠#param:song神話#predicate:chorusWith神話是孫楠和誰合唱的查詢

7、神話這首歌曲的演唱者，演唱者要包括孫楠，輸出還包括的另外一個演唱者文法規(guī)則模板18基于曲庫資源的理解和糾錯識別結果：我是你的安東尼演唱的文法規(guī)則： 歌曲名歌手名演唱的容錯結果：倪安東（歌手名）我是你的（歌曲名） 識別結果：汪峰的北京青年文法規(guī)則：歌手名的歌曲名容錯結果：汪峰（歌手名）北京北京（歌曲名） 19訊飛的一些初步嘗試 音樂領域 10086客服領域20智能客服領域智能客服：改變傳統(tǒng)的按鍵式自助服務，用戶使用自然語音與系統(tǒng)交互，實現(xiàn)菜單扁平化，提升用戶滿意度，減輕人工服務壓力，降低運營成本。10086智能客服1.幫我查詢話費。2.辦理彩鈴業(yè)務。3.開通5元30M套餐。4.我要交100元話費

8、1.怎樣退訂國內(nèi)移動數(shù)據(jù)5元？2.辦兩城一家后給省內(nèi)打電話,是怎么收費的？3.怎么辦理10元100M流量包？4.我要到新加坡去旅游，需要辦什么手續(xù)？業(yè)務辦理類：業(yè)務咨詢類：21總體思路結構化知識庫移動作業(yè)手冊22原始文檔知識庫安徽移動Web版知識庫23人工參與的本體知識庫構建領域專家文檔知識庫本體概念設計ontology標注模板人工標注標注結果實例化本體知識庫24知識庫結構個人業(yè)務描述框架25知識庫結構個人信息描述框架26知識庫結構主套餐描述框架27知識庫結構當前規(guī)模：106屬性，100業(yè)務，3102個三元組完整知識庫結構28基于本體庫的咨詢問答服務基于槽信息抽取的問題理解基于SparQL答案

9、生成語義框架表示咨詢類問題問題：怎么辦理10元100M流量包？答案答案：對不起，沒有找到10元100M的流量套餐，但是有以下套餐:10元70M;5元30M;50元500M.Select ?money ?amount ?open_way ?busi has_name“流量”. ?busi contain_pack ?pack. ?pack has_money ?money.?pack has_amount ?amount. ?pack has_open_way ?open_way問題焦點 開通方式問題類型 怎么操作 開通業(yè)務 流量金額 10元數(shù)量 100M 詞匯級句子級29基于本體庫的咨詢問答服

10、務基于槽信息抽取的問題理解基于SparQL答案生成語義框架表示咨詢類問題問句：辦兩城一家后給省內(nèi)打電話,是怎么收費的?答案答案：開通后省內(nèi)定點市打電話每分鐘0.29元Select ?money ?amount ?open_way ?busi has_name“兩城一家” .問題焦點 開通方式問題類型 怎么操作 開通業(yè)務 流量金額 10元數(shù)量 100M 詞匯級句子級業(yè)務名稱：兩城一家省內(nèi)套餐關鍵動詞：是、撥打、收費參 數(shù)：地區(qū)-省內(nèi)關鍵名詞：兩城一家、電話問題類型：how問題焦點：資費30題目（改編自2012年海南省高考文綜地理試卷）7月1日下列城市白晝最長的是？A. 悉尼 B. 上海 C. 雅

11、加達 D. 莫斯科題目理解知識庫檢索邏輯推理7月1日左右，北半球晝長夜短緯度越高晝越長悉尼南緯33度55 分上海北緯31度11分雅加達南緯6度10分莫斯科北緯55度45分莫斯科北緯度最高莫斯科白晝最長，選D常識知識獲取考察四個城市，按daytime(city, 7月1日）排序，取最大值的一個答案863類人答題任務難度分析類人答題系統(tǒng)的研發(fā)需要多種知識庫的支撐！31交流內(nèi)容從應用角度來看知識圖譜的價值和挑戰(zhàn)32人工智能的三個階段計算智能感知智能認知智能能存會算能聽會說、能看會認能理解會思考33一、知識圖譜研發(fā)需區(qū)分并針對應用應用場景搜索：展示及優(yōu)化搜索結果音樂：難在構建曲庫客服：對自動客服的幫助有限和NLP一樣，不同應用場景，對知識圖譜的需求點和難點差別很大潛在應用價值的發(fā)現(xiàn)，能拉動知識圖譜的研究水平和投入的提升答題：需要各種常識和學科知識庫34二、