2024知識圖譜在貝殼找房的實踐

0今天分享的內(nèi)容有四個方面，第一個介紹下知識圖譜，第二個講為什么“可以&要”在貝WordNet20062012Google屬性-值<姚明+身+2.26米>，關(guān)系型<姚明+妻子+葉莉>。建?數(shù)據(jù)之間的語義鏈接、?持語義檢索，第二個就是NLP視角，對?本進?結(jié)構(gòu)化語義抽取。然后就是KR視角（知識表示），利用計算機的符號表示和處理知識。再者就是AI視角，利用知識圖譜輔助理解人的語言，目前AI大部分是在垂直領(lǐng)域落地，會建立自己的知識庫，幫助垂直領(lǐng)域人工智能的實施。DB視角，就是以圖的方式存儲知識。知識圖譜展目前知識圖譜應(yīng)用場景分為兩塊，一種是通用領(lǐng)域，一種是垂直領(lǐng)域。通用領(lǐng)域如Google個維度數(shù)據(jù)：結(jié)構(gòu)化和非結(jié)構(gòu)化。結(jié)構(gòu)化有樓盤字典，數(shù)據(jù)億級實體，10搜索&推薦：提升用戶的找房效率；數(shù)據(jù)可視化：分析用戶行為，挖掘數(shù)據(jù)之間關(guān)聯(lián)，智在智能搜索方面借助知識圖譜AI+Web視角,提升搜索意圖理解；在智能推薦方面利用知ESneo4jhdfs或者hiveIM構(gòu)建本體庫使用構(gòu)建工具protégé，主要有三塊，第一塊是class，第二部分是objects，這是個關(guān)系型的屬性，描述兩個實體關(guān)系的屬性。DatapropertyIM75%是于房屋詳情問題、10%是約帶看、6%是貸款、3%是推薦。右圖是整體75%問題中top200175%IM智能助手房源詳情檢索架構(gòu)，首先用戶問了一個問題，經(jīng)過NLU模塊中的分詞、然后NERDASQL，IM中還有關(guān)于知識的問答，但是會存在有些問題答案不匹配，不是很精準(zhǔn)，那么如何解決howwhywhatepwhichA和實體B有什么區(qū)別。通過歷史log隨機抽樣，符合三元組模式10%。whatevent，“怎么辦”定義how上圖是基于三元組的精準(zhǔn)問答，分為onlineoffline。offline部分我們會離線的去從FAQ(FrequentlyAskedQuestions，常見問答庫)里面做三元組的抽取和挖掘工作，將歷FAQ中符合三元組的問題抽取出相應(yīng)的三元組。Onlinequery去識WebNLPKRAIDB識圖譜落地充分必要條件三個方面：數(shù)據(jù)+本體庫+智能應(yīng)用場景。貝殼找房中知識圖譜落地，12.行業(yè)本體庫：支持圖譜數(shù)據(jù)構(gòu)建+智