從應用角度看知識圖譜價值和挑戰(zhàn)胡國平

從應用角度看知識圖譜價值和挑戰(zhàn)胡國平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、策略以與待研究問題和挑戰(zhàn)促進研究單位之間以與研究界和產業(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第二頁，共38頁。2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與語言核心技術研究的部門指導思想：用正確的方法，做有用的研究第三頁，共38頁。3訊飛發(fā)展史上“有用的研究”1999~語音合成引擎廠商2002~語音評測教育學習2005~語音識別運營商&安全2011~語音交互移動互聯第四頁，共38頁。4交流內容從應用角度來看知識圖譜的價值和挑戰(zhàn)第五頁，共38頁。5什么是知識圖譜(KnowledgeGraph)?知識圖譜旨在描述真實世界中存在的各種實體或概念與其關系，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38°56'東經116°20'3.1525億華盛頓9,629,091平方公里北緯38°53′西經77°02'178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140°50'北緯35°44'……面積人口首都緯度經度面積人口第六頁，共38頁。6知識圖譜構建后臺的技術族Web字典,術語表,百科,書本知識獲取++已有知識庫知識融合知識驗證知識圖譜第七頁，共38頁。7現有的大規(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，Freebase2千5百萬實體，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)則第八頁，共38頁。8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(HowNet)[董振東和董強,1999]《同義詞詞林》[梅家駒等,1996]概念層次網絡(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)第九頁，共38頁。9訊飛的一些初步嘗試第十頁，共38頁。10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)了語音理解的需求第十一頁，共38頁。11歌手6萬歌曲260萬專輯44萬標簽2000類系統(tǒng)實現下載融合語義理解曲庫查詢語音識別基于互聯網的音樂曲庫構建+基于人工規(guī)則的語義理解結果生成第十二頁，共38頁。12基于互聯網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，何真真是演奏者第十三頁，共38頁。13基于互聯網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，網上信息比較亂歌曲的標簽體系比較亂，需要融合“藍調”“布魯斯”（對應的英文都是Blues）“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第十四頁，共38頁。14音樂曲庫重構音樂曲庫重構以事件本體為依據重構音樂本體庫，替換三元組方案第十五頁，共38頁。15音樂曲庫重構細化細化新增第十六頁，共38頁。16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)則模板第十七頁，共38頁。17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）第十八頁，共38頁。18訊飛的一些初步嘗試音樂領域10086客服領域第十九頁，共38頁。19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1.怎樣退訂國內移動數據5元？2.辦兩城一家后給省內打電話,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：第二十頁，共38頁。20總體思路結構化知識庫移動作業(yè)手冊第二十一頁，共38頁。21原始文檔知識庫安徽移動Web版知識庫第二十二頁，共38頁。22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第二十三頁，共38頁。23知識庫結構個人業(yè)務描述框架第二十四頁，共38頁。24知識庫結構個人信息描述框架第二十五頁，共38頁。25知識庫結構主套餐描述框架第二十六頁，共38頁。26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第二十七頁，共38頁。27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{?busihas_name“流量”.?busicontain_pack?pack.?packhas_money?money.?packhas_amount?amount.?packhas_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元數量

100M

詞匯級句子級第二十八頁，共38頁。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答案生成語義框架表示咨詢類問題問句：辦兩城一家后給省內打電話,是怎么收費的?答案答案：開通后省內定點市打電話每分鐘0.29元Select?money?amount?open_way{?busihas_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元數量

100M

詞匯級句子級業(yè)務名稱：兩城一家省內套餐關鍵動詞：是、撥打、收費參數：地區(qū)-省內關鍵名詞：兩城一家、電話問題類型：how問題焦點：資費第二十九頁，共38頁。29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！第三十頁，共38頁。30交流內容從應用角度來看知識圖譜的價值和挑戰(zhàn)第三十一頁，共38頁。31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第三十二頁，共38頁。32一、知識圖譜研發(fā)需區(qū)分并針對應用應用場景搜索：展示與優(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，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第三十三頁，共38頁。33二、積極探索知識圖譜對理解的價值第三十四頁，共38