從應(yīng)用的角度看知識(shí)圖譜的價(jià)值和挑戰(zhàn)-胡國平(1)

1、2022-3-51從應(yīng)用角度來看知識(shí)圖譜的價(jià)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(shí)圖譜研討會(huì) 本次知識(shí)圖譜研討會(huì) 著重探討中文知識(shí)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(jìn)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(shí)圖譜構(gòu)建的研討與合作機(jī)制3訊飛研究院簡(jiǎn)介 科大訊飛公司（中文信息領(lǐng)域的三個(gè)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4訊飛發(fā)展史上“有用的研究”語音合成引擎廠商語音評(píng)測(cè)教育學(xué)習(xí)語音識(shí)別運(yùn)營商&安全語音交互移動(dòng)互聯(lián)5交流內(nèi)容從應(yīng)用角度來看知識(shí)圖

2、譜的價(jià)值和挑戰(zhàn)6什么是知識(shí)圖譜(Knowledge Graph)? 知識(shí)圖譜旨在描述真實(shí)世界中存在的各種實(shí)體或概念及其關(guān)系，一般用三元組表示 知識(shí)圖譜亦可被看作是一張巨大的圖，節(jié)點(diǎn)表示實(shí)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7知識(shí)圖譜構(gòu)建后臺(tái)的技術(shù)族WebWeb字典字典, , 術(shù)語表術(shù)語表,

3、, 百科百科, ,書本書本知識(shí)獲取+已有知識(shí)庫知識(shí)融合知識(shí)驗(yàn)證知識(shí)圖譜知識(shí)圖譜8現(xiàn)有的大規(guī)模知識(shí)名稱規(guī)模Yago1千萬實(shí)體，35萬類別，1.8億事實(shí)，100種屬性，100語言Dbpedia4千萬實(shí)體，250類別，5億事實(shí)，6000種屬性，F(xiàn)reebase2千5百萬實(shí)體，2000主題，1億事實(shí)，4000種屬性谷歌知識(shí)圖譜5億實(shí)體名字，35億條事實(shí)NELL3百萬實(shí)體名字，300類別500屬性，100萬事實(shí)1千5百萬學(xué)習(xí)規(guī)則9中文知識(shí)庫 傳統(tǒng)的語言類知識(shí)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(shí)庫 知網(wǎng)(HowNet)董振東 和 董強(qiáng),1999 同義詞詞林梅家駒等,1996 概念層次網(wǎng)絡(luò)(

4、HNC)黃曾陽,1997 大規(guī)模事實(shí)類知識(shí)庫，針對(duì)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(shí)庫(商品知識(shí)庫 ) 10訊飛的一些初步嘗試11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_(tái)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(cuò))播放周杰倫的新歌 （周杰倫_歌手，歌曲屬性為“新”）周董和費(fèi)玉清合作的那首歌（周杰倫_歌手& 費(fèi)玉清_歌手）周杰倫和哪些臺(tái)灣女歌手合作過（知識(shí)問答）神話是孫楠和誰

5、合唱的（知識(shí)問答）語音識(shí)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(biāo)簽 2000類系統(tǒng)實(shí)現(xiàn)下載融合語義理解曲庫查詢語音識(shí)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13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(gè)歌曲有多個(gè)歌手演唱過的版本，甚至多個(gè)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(gòu)建 遇到了一系列的問題 同一個(gè)歌曲有多個(gè)歌手演唱過的版本，甚至多個(gè)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(lán)調(diào)”“布魯斯”（對(duì)應(yīng)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(diǎn)首我愛你中國這首歌15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16音樂曲庫重構(gòu)細(xì)化細(xì)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(shí)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

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(gè)演唱者文法規(guī)則模板18基于曲庫資源的理解和糾錯(cuò)識(shí)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(cuò)結(jié)果：倪安東（歌手名）我是你的（歌曲名） 識(shí)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(cuò)結(jié)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(lǐng)域 10086客服領(lǐng)域20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(shí)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(yùn)營成本。10086智能客服1.幫我查詢?cè)捹M(fèi)。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(fèi)

8、1.怎樣退訂國內(nèi)移動(dòng)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(fèi)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：21總體思路結(jié)構(gòu)化知識(shí)庫移動(dòng)作業(yè)手冊(cè)22原始文檔知識(shí)庫安徽移動(dòng)Web版知識(shí)庫23人工參與的本體知識(shí)庫構(gòu)建領(lǐng)域?qū)＜椅臋n知識(shí)庫本體概念設(shè)計(jì)ontology標(biāo)注模板人工標(biāo)注標(biāo)注結(jié)果實(shí)例化本體知識(shí)庫24知識(shí)庫結(jié)構(gòu)個(gè)人業(yè)務(wù)描述框架25知識(shí)庫結(jié)構(gòu)個(gè)人信息描述框架26知識(shí)庫結(jié)構(gòu)主套餐描述框架27知識(shí)庫結(jié)構(gòu)當(dāng)前規(guī)模：106屬性，100業(yè)務(wù)，3102個(gè)三元組完整知識(shí)庫結(jié)構(gòu)28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

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(duì)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(diǎn) 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(jí)句子級(jí)29基于本體庫的咨詢問答服

10、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(fèi)的?答案答案：開通后省內(nèi)定點(diǎn)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(diǎn) 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(jí)句子級(jí)業(yè)務(wù)名稱：兩城一家省內(nèi)套餐關(guān)鍵動(dòng)詞：是、撥打、收費(fèi)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(diǎn)：資費(fèi)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(dá) D. 莫斯科題目理解知識(shí)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?cè)介L悉尼南緯33度55 分上海北緯31度11分雅加達(dá)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(shí)知識(shí)獲取考察四個(gè)城市，按daytime(city, 7月1日）排序，取最大值的一個(gè)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(shí)庫的支撐！31交流內(nèi)容從應(yīng)用角度來看知識(shí)圖譜的價(jià)值和挑戰(zhàn)32人工智能的三個(gè)階段計(jì)算智能感知智能認(rèn)知智能能存會(huì)算能聽會(huì)說、能看會(huì)認(rèn)能理解會(huì)思考33一、知識(shí)圖譜研發(fā)需區(qū)分并針對(duì)應(yīng)用應(yīng)用場(chǎng)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(duì)自動(dòng)客服的幫助有限和NLP一樣，不同應(yīng)用場(chǎng)景，對(duì)知識(shí)圖譜的需求點(diǎn)和難點(diǎn)差別很大潛在應(yīng)用價(jià)值的發(fā)現(xiàn)，能拉動(dòng)知識(shí)圖譜的研究水平和投入的提升答題：需要各種常識(shí)和學(xué)科知識(shí)庫34二、