《從應(yīng)用角度來看知識圖譜的價值和挑戰(zhàn) .pptx》由會員分享，可在線閱讀，更多相關(guān)《從應(yīng)用角度來看知識圖譜的價值和挑戰(zhàn) .pptx（38頁珍藏版）》請在匯文網(wǎng)上搜索。

1、從應(yīng)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12:15:12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(gòu)建的資源、技術(shù)、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(xué)術(shù)交流探索今后大規(guī)模中文知識圖譜構(gòu)建的研討與合作機制訊飛研究院簡介科大訊飛公司（中文信息領(lǐng)域的三個上市公司之一）下設(shè)的專門從事語音及語言核心技術(shù)研究的部門指導(dǎo)思想：用正確的方法，做有用的研究訊飛發(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(xué)習(xí)2005語音識別運營商&安全2011語音交互移動互聯(lián)交流內(nèi)容一、訊飛在知識圖譜

2、領(lǐng)域的一些嘗試二、從應(yīng)用看知識圖譜的價值和挑戰(zhàn)從應(yīng)用角度來看知識圖譜的價值和挑戰(zhàn)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(guān)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(guān)系構(gòu)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)度面積人口知識圖譜構(gòu)

3、建后臺的技術(shù)族WebWeb字典字典,術(shù)語表術(shù)語表,百科百科,書本書本知知識識獲獲取取+已有知識庫已有知識庫知知識識融融合合知知識識驗驗證證知識圖譜知識圖譜現(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(xué)習(xí)規(guī)則中文知識庫傳統(tǒng)的語言類知識庫，基于人工編寫方式，構(gòu)建了一系列的中小規(guī)模中文知識庫 知網(wǎng)(HowNet)董

4、振東 和 董強,1999同義詞詞林梅家駒等,1996概念層次網(wǎng)絡(luò)(HNC)黃曾陽,1997 大規(guī)模事實類知識庫，針對自身業(yè)務(wù)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)訊飛的一些初步嘗試重點探索了如何基于互聯(lián)網(wǎng)構(gòu)建高質(zhì)量的大規(guī)模音樂知識庫音樂領(lǐng)域重點探索了如何基于知識庫改進自動客服系統(tǒng)10086客服領(lǐng)域音樂領(lǐng)域任務(wù)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(biāo)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

5、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)了語音理解的需求歌手 6萬歌曲 260萬專輯 44萬標(biāo)簽 2000類系統(tǒng)實現(xiàn)互聯(lián)網(wǎng)各種音樂相關(guān)信息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(gòu)建+基于人工規(guī)則的語義理解結(jié)果 生成基于互聯(lián)網(wǎng)的音樂曲庫構(gòu)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，何真真是演奏者基于互聯(lián)網(wǎng)的音樂曲庫構(gòu)建遇到了一系列的問題同一個

6、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(biāo)簽體系比較亂，需要融合“藍調(diào)”“布魯斯”（對應(yīng)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音樂曲庫重構(gòu)音樂曲庫重構(gòu)以事件本體為依據(jù)重構(gòu)音樂本體庫，替換三元組方案三元組：（那英_Subject，演唱_Predicate，春暖花開_Object）事件本體：（那英_主體，演唱_動作，春暖花開_客體，蛇年春晚_場合，2013年2月9日_時間）音樂曲庫重構(gòu)細化細化新增基于人工規(guī)則的

7、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(biāo)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)則模板基于曲庫資源的理解和糾錯識別結(jié)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(jié)果：倪安東（歌手名）我是你的（歌曲名）識別結(jié)果：汪峰的北京青年文法規(guī)則：歌手名的歌曲名容錯結(jié)果：汪峰（歌手名）北京北京（歌曲名）訊飛的一些初步嘗試音樂領(lǐng)域10

8、086客服領(lǐng)域智能客服領(lǐng)域智能客服：改變傳統(tǒng)的按鍵式自助服務(wù)，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(wù)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(wù)。3.開通5元30M套餐。4.我要交100元話費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(wù)辦理類：業(yè)務(wù)咨詢類：總體思路結(jié)構(gòu)化知識庫移動作業(yè)手冊原始文檔知識庫安徽移動Web版知識庫人工參與的本體知識庫構(gòu)建領(lǐng)域?qū)＜椅臋n知識庫本體概念設(shè)計ontology標(biāo)注模板人工標(biāo)注標(biāo)注結(jié)果實例化本體知

9、識庫知識庫結(jié)構(gòu)個人業(yè)務(wù)描述框架知識庫結(jié)構(gòu)個人信息描述框架知識庫結(jié)構(gòu)主套餐描述框架知識庫結(jié)構(gòu)當(dāng)前規(guī)模：106屬性，100業(yè)務(wù)，3102個三元組完整知識庫結(jié)構(gòu)基于本體庫的咨詢問答服務(wù)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?busi has_name“流量”.?busi contain_pack?pack.?pack has_money?money.?pack has_

10、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(wù) 流量金額 10元數(shù)量 100M 詞匯級句子級基于本體庫的咨詢問答服務(wù)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(wù) 流量金額 10元數(shù)量 100M 詞匯級句子級業(yè)務(wù)名稱：兩城一家省內(nèi)套餐關(guān)鍵動詞：是、撥打、收

11、費參 數(shù)：地區(qū)-省內(nèi)關(guān)鍵名詞：兩城一家、電話問題類型：how問題焦點：資費題目（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(wù)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！交流內(nèi)容一、訊飛在知識圖譜領(lǐng)域的一些嘗試二、從應(yīng)用看知識圖譜的價值

12、和挑戰(zhàn)從應(yīng)用角度來看知識圖譜的價值和挑戰(zhàn)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一、知識圖譜研發(fā)需區(qū)分并針對應(yīng)用應(yīng)用場景搜索：展示及優(yōu)化搜索結(jié)果音樂：難在構(gòu)建曲庫客服：對自動客服的幫助有限和NLP一樣，不同應(yīng)用場景，對知識圖譜的需求點和難點差別很大潛在應(yīng)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(xué)科知識庫二、積極探索知識圖譜對理解的價值列表型資源的利用基于知識圖譜的糾錯知識圖譜對語義理解本身的幫助有限給你一個蘋果，再給你一個蘋果，你有幾個蘋果了給你一個蘋果，你吃了一個蘋果，你有幾個蘋果了記憶超出任何人，但理解不及5歲小孩烏龍球

13、：踢進自家球門的球高鐵：就是很快的火車語義理解正是人類知識積累的渠道三、直面當(dāng)前知識圖譜技術(shù)方案的問題語言知識庫何謂“坐”事實類知識庫專業(yè)領(lǐng)域知識庫三元組的方式，表達能力不足知識圖譜表示是離散型的，沒有連續(xù)、模糊的概念收獲了七八斤蘋果研究范圍串行的知識圖譜如何追趕人類是高度并行“跑”比“走”快從北京到天津不用坐飛機知識圖譜上的推理能力，也還太弱表示能力應(yīng)用模式“深”比“廣”難一個哲學(xué)問題僅用文字描述的世界，是不是“假”的世界？沒有視覺、沒有聽覺、沒有觸覺沒有情感、沒有信仰格桑花一種生長在高原上的花朵，桿細瓣小，花為復(fù)葉羽狀，五瓣花，顏色鮮艷而美麗，隨著季節(jié)變化而逐漸變換顏色?；◤介L約1.53cm，為落葉喬木?？偨Y(jié)和建議“用正確的方法，做有用的研究”，知識圖譜的研究應(yīng)該與實際應(yīng)用相結(jié)合，應(yīng)該與語義理解、知識學(xué)習(xí)相結(jié)合訊飛公司針對音樂和客服兩個領(lǐng)域做了一些知識圖譜相關(guān)的嘗試，目前還都不太成功“深”比“廣”難，現(xiàn)有知識圖譜的解決方案和應(yīng)用價值都面臨諸多挑戰(zhàn)，是一個很值得深入和廣泛合作研究的領(lǐng)域謝謝