第13讲基于知识图谱的问答技术
知识图谱概述与应用
导读：知识图谱 (Knowledge Graph) 是当前的研究热点。自从2012年Google推出自己第一版知识图谱以来，它在学术界和工业界掀起了一股热潮。各大互联网企业在之后的短短一年纷纷推出了自己的知识图谱产品以作为回应。比如在国，互联网巨头百度和搜狗分别推出”知心“和”知立方”来改进其搜索质量。那么与这些传统的互联网公司相比，对处于当今风口浪尖上的行业 - 互联网金融，知识图谱可以有哪方面的应用呢？ 目录： 1. 什么是知识图谱？ 2. 知识图谱的表示 3. 知识图谱的存储 4. 应用 5. 挑战 6. 结语 1.什么是知识图谱？ 知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。 知识图谱这个概念最早由Google提出，主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎，知识图谱可用来更好地查询复杂的关联信息，从语义层面理解用户意图，改进搜索质量。比如在Google的搜索框里
输入Bill Gates的时候，搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月，家庭情况等等。 另外，对于稍微复杂的搜索语句比如”Who is the wife of Bill Gates“，Google能准确返回他的妻子Melinda Gates。这就说明搜索引擎通过知识图谱真正理解了用户的意图。 上面提到的知识图谱都是属于比较宽泛的畴，在通用领域里解决搜索引擎优化和问答系统(Question-Answering)等方面的问题。接下来我们看一下特定领域里的 (Domain-Specific) 知识图谱表示方式和应用，这也是工业界比较关心的话题。 2.知识图谱的表示 假设我们用知识图谱来描述一个事实（Fact） - “三是四的父亲”。这里的实体是三和四，关系是“父亲”（is_father_of）。当然，三和四也可能会跟其他人存在着某种类型的关系（暂时不考虑）。当我们把也作为节点加入到
知识图谱概述及应用
导读：知识图谱(Knowledge Graph) 是当前的研究热点。自从2012年Google推出自己第一版知识图谱以来，它在学术界和工业界掀起了一股热潮。各大互联网企业在之后的短短一年内纷纷推出了自己的知识图谱产品以作为回应。比如在国内，互联网巨头百度和搜狗分别推出”知心“和”知立方”来改进其搜索质量。那么与这些传统的互联网公司相比，对处于当今风口浪尖上的行业- 互联网金融，知识图谱可以有哪方面的应用呢？ 目录： 1. 什么是知识图谱？ 2. 知识图谱的表示 3. 知识图谱的存储 4. 应用 5. 挑战 6. 结语 1.什么是知识图谱？ 知识图谱本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。
知识图谱这个概念最早由Google提出，主要是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎，知识图谱可用来更好地查询复杂的关联信息，从语义层面理解用户意图，改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候，搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月，家庭情况等等。 另外，对于稍微复杂的搜索语句比如”Who is the wife of Bill Gates“，Google能准确返回他的妻子Melinda Gates。这就说明搜索引擎通过知识图谱真正理解了用户的意图。
基于知识库的智能客服机器人问答系统设计
Computer Science and Application 计算机科学与应用, 2019, 9(11), 2098-2104 Published Online November 2019 in Hans. https://www.360docs.net/doc/a216289811.html,/journal/csa https://https://www.360docs.net/doc/a216289811.html,/10.12677/csa.2019.911235 Design of Question Answering System of Intelligent Customer Service Robot Based on Knowledge Base Jie Lu, Shaobo Li The Mechanical Engineering College, Guizhou University, Guiyang Guizhou Received: Nov. 1st, 2019; accepted: Nov. 14th, 2019; published: Nov. 21st, 2019 Abstract Firstly, this paper analyzes the current situation of intelligent customer service robot, summarizes the characteristics of information retrieval, database query and Q&A system. It also compares the question answering system based on Web information retrieval, the question answering system based on knowledge base and the community question answering system. Secondly,it decomposes the knowledge base management and relationship architecture of Q&A system, and puts forward the specific learning process and implementation framework. Finally, the weather query applica-tion scenario is simulated. The results show that the question answering system of intelligent customer service robot based on knowledge has good practical application effect. Keywords Question Answering, Knowledge Base, Natural Language Processing, Resource Description Framework 基于知识库的智能客服机器人问答系统设计 陆婕，李少波 贵州大学机械工程学院，贵州贵阳 收稿日期：2019年11月1日；录用日期：2019年11月14日；发布日期：2019年11月21日 摘要 本文首先对智能客服机器人现状进行分析，总结了基于任务处理模式的信息检索、数据库查询、问答系
知识图谱概述及应用
导读:知识图谱(Knowledge Graph) 就是当前的研究热点。自从2012年Google推出自己第一版知识图谱以来,它在学术界与工业界掀起了一股热潮。各大互联网企业在之后的短短一年内纷纷推出了自己的知识图谱产品以作为回应。比如在国内,互联网巨头百度与搜狗分别推出”知心“与”知立方”来改进其搜索质量。那么与这些传统的互联网公司相比,对处于当今风口浪尖上的行业- 互联网金融, 知识图谱可以有哪方面的应用呢？ 目录: 1、什么就是知识图谱？ 2、知识图谱的表示 3、知识图谱的存储 4、应用 5、挑战 6、结语 1、什么就是知识图谱？ 知识图谱本质上就是语义网络,就是一种基于图的数据结构,由节点(Point)与边(Edge)组成。在知识图谱里,每个节点表示现实世界中存在的“实体”,每条边为实体与实体之间的“关系”。知识图谱就是关系的最有效的表示方式。通俗地讲,知识图谱就就是把所有不同种类的信息(Heterogeneous Information)连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。
知识图谱这个概念最早由Google提出,主要就是用来优化现有的搜索引擎。不同于基于关键词搜索的传统搜索引擎,知识图谱可用来更好地查询复杂的关联信息,从语义层面理解用户意图,改进搜索质量。比如在Google的搜索框里输入Bill Gates的时候,搜索结果页面的右侧还会出现Bill Gates相关的信息比如出生年月,家庭情况等等。 另外,对于稍微复杂的搜索语句比如”Who is the wife of Bill Gates“,Google 能准确返回她的妻子Melinda Gates。这就说明搜索引擎通过知识图谱真正理解了用户的意图。
知识图谱和问答系统
知识图谱和问答系统 一、引子 在讨论知识图谱和问答系统之前，先给出几篇以前的文章。第一篇文章是《立委科普：问答系统的前生今世》，以前也发过，再发一下。详见博文： https://www.360docs.net/doc/a216289811.html,/blog-362400-436555.html 下一个姐妹篇《立委科普：自动回答How 与Why 的问题》。这篇文章详细谈谈问答系统中的How类型问题和Why类型问题。这篇已经太长，收住吧。希望读者您不觉得太枯燥，如果有所收获，则幸甚。谢谢您的阅览。 How 类型的问题搜寻的是解决方案，其实也不好回答，同一个问题往往有多种解决档案，譬如治疗一个疾病，可以用各类药品，也可以用其他疗法。因此，比较完美地回答这个How 类型的问题也就成为问答系统研究中公认的难题之一。Why 类型的问题是要寻找一个现象的缘由或动机。这些原因有些是显性表达，更多的则是隐性表达，而且几乎所有的原因都不是用几个简单的词或短语就可以表达清楚的，找到这些答案，并以合适的方式整合给用户，自然是一个很大的难题。
第三篇文章《立委科普：从产业角度说说NLP这个行当》，这是几年前吹的牛皮。详见李维的博文： https://www.360docs.net/doc/a216289811.html,/blog-362400-434811.html。由于也很相关，所以也放在这里。NLP技术的工业可行性我认为已经完全被证明了，虽然很多人也许还没有意识到。证明的实例表现在我们解决了三个信息搜索的难题： 搜索How类型问题的难题； 搜索Why类型问题的难题； 对客户反馈情报及其动机的抽取（譬如客户对一个产品的好恶）。 前两个问题是问答搜索业界公认的最难类型的题目，第三个题目涉及的是语言现象中较难把握的主观性语言（subjective language），并非NLP中通常面对的客观性语言（objective language）。这类从文本中提取主观性语言的技术，即情感提取（sentiment extraction）成为语言处理最难的课题之一。从问答系统角度来看，回答Who、When、Where等实体事实型（entity factoid）问题比较简单，技术相对成熟，最突出的表现就是IBM的问答系统赢得美国家喻户晓的电视智力竞赛Jeopardy的冠军。Jeopardy的大多数问题是属于实体事实类的问题，而这类问题的处理技术相对成熟。电脑打败了人脑，详见COMPUTER CRUSHES HUMAN 'JEOPARDY!' CHAMPS。具体细节就不谈了，以后有机会再论。总之，这
【CN109947916A】基于气象领域知识图谱的问答系统装置及问答方法【专利】
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910153832.X (22)申请日 2019.03.01 (71)申请人 河北尚云信息科技有限公司 地址 050000 河北省石家庄市高新区天山 大街266号方大科技园10号楼1052 (72)发明人 江跃华 周二亮 刘伟 朱玉 (51)Int.Cl. G06F 16/332(2019.01) G06F 16/36(2019.01) G06F 16/338(2019.01) G06F 17/27(2006.01) (54)发明名称基于气象领域知识图谱的问答系统装置及问答方法(57)摘要本发明属于自然语言处理的问答系统领域，尤其涉及气象问答领域的方法及装置。装置包括：气象领域的知识图谱构建模块，问题解析模块，数据聚合模块，答案生成模块。该系统接收用户提出的问题，并通过问题解析模块使用自然语言处理的方式解析用户所提出的关于天气的问题，并排除不合理的问题；根据知识图谱中所存储的天气知识来判断实时的天气数据是否符合该天气信息，根据用户所提的问题，生成相应的答案，反馈给用户。对于结构不固定，类型多样的天气、生活和其他类的规则，可以方便的进行存 储与查询。权利要求书3页 说明书10页 附图2页CN 109947916 A 2019.06.28 C N 109947916 A
权 利 要 求 书1/3页CN 109947916 A 1.基于气象领域知识图谱的问答系统装置，其特征在于，包括： 气象领域的知识图谱构建模块，用以将气象领域的专业知识转换为实体，实体和实体之间用与或关系进行链接，构建气象领域天气知识的知识图谱；用于所有天气知识转成三元组，人工构建天气的气象判断规则，存储到图数据库中并组成三元组； 问题解析模块，用于解析用户所提出的关于天气的问题，将用户提出的问题进行分词和预处理，根据分得的词汇的词性和该词汇对应自定义词库的类别作为依据，填充在该模块设置的问题槽位，并排除不合理的问题； 数据聚合模块，用于对问题槽位中的词，通过词的相似度计算方式，选取与知识图谱中最匹配的规则，进而判断实时的天气数据是否符合该规则，并将天气数据和多种判断结果存入该模块设置的答案槽位中； 答案生成模块，用于将数据聚合模块中答案槽位的数据取出，并根据答案的类型生成相应的回答；对于各个类型的答案进行组合时，需要对每个类型的答案进行排序；最后将答案反馈给用户。 2.如权利要求1所述的基于气象领域知识图谱的问答系统装置，其特征在于，实时的天气数据来源于在线的第三方接口平台; 用户提出的问题可划分为五种类别：天气详情、被查询天气详情、天气属性、出行、穿衣; 问题槽位所设置的形式包括（时间类型，地点类型，天气类型，生活类型，其他类型，问题类型）; 答案槽位形式为（时间及其属性；地点及其属性；天气数据和判断结果；生活和判断结果；其他；问题类型）; 气象判断规则划分为时间类型、地点类型、天气类型、生活类型、其他类型; 答案生成模块中预先定义有答案模板，用于产生答案时使用该模板，仅需将采集的天气数据替换到该模板中对应位置即可产生相应的答案。 3.如权利要求2中任一项所述的基于气象领域知识图谱的问答系统装置，其特征在于，在问题解析模块中使用分词软件进行分词之前，预加载本地的自定义词库；该本地的自定义词库按行读取文本内容并添加到分词软件的自定义词库中；本地自定义词库包括时间类型、天气类型、地点类型、生活类型的词汇。 4.如权利要求3所述的基于气象领域知识图谱的问答系统装置，其特征在于，问题槽位只包含时间类型或地点类型或天气类型或生活类型或其他类型词汇，以及将这五种类型词组合后缺少时间类型或地点类型的词汇的问题槽位对应的问题为不合理的问题。 5.如权利要求3所述的基于气象领域知识图谱的问答系统装置，其特征在于，数据聚合模块还用于训练词向量模型；用于在知识图谱中查询相似度最高的节点；用于将查询后的所有路径信息转换成树形结构的路径；用于遍历整个规则树，使用判断函数计算实时的天气数据是否符合其规则；还用于提前计算重要天气信息，若存在，则填充到答案槽位中。 6.如权利要求5所述的基于气象领域知识图谱的问答系统装置，其特征在于，使用判断函数计算实时的天气数据是否符合其规则天气知识图谱中所存储的天气知识时，没有在原始数据中直接给出的天气数据通过自定义函数计算。 7.基于气象领域知识图谱的问答系统的问答方法，其特征在于：使用权利要求1-6任一 2
个方面分析知识图谱的价值和应用
6个方面分析知识图谱的价值和应用知识对于人工智能的价值就在于，让机器具备认知能力和理解能力。构建知识图谱这个过程的本质，就是让机器形成认知能力，理解这个世界。一、知识图谱无处不在说到人工智能技术，人们首先会联想到深度学习、机器学习技术；谈到人工智能应用，人们很可能会马上想起语音助理、自动驾驶等等，各行各业都在研发底层技术和寻求AI场景，却忽视了当下最时髦也很重要的AI技术：知识图谱。当我们进行搜索时，搜索结果右侧的联想，来自于知识图谱技术的应用。我们几乎每天都会接收到各种各样的推荐信息，从新闻、购物到吃饭、娱乐。个性化推荐作为一种信息过滤的重要手段，可以依据我们的习惯和爱好推荐合适的服务，也来自于知识图谱技术的应用。搜索、地图、个性化推荐、互联网、风控、银行……越来越多的应用场景，都越来越依赖知识图谱。二、知识图谱与人工智能的关系知识图谱用节点和关系所组成的图谱，为真实世界的各个场景直观地建模。通过不同知识的关联性形成一个网状的知识结构，对机器来说就是图谱。形成知识图谱的过程本质是在建立认知、理解世界、理解应用的行业或者说领域。每个人都有自己的知识面，或者说知识结构，本质就是不同的知识图谱。正是因为有获取和形成知识的能力，人类才可以不断进步。知识图谱对于人工智能的重要价值在于，知识是人工智能的基石。机器可
以模仿人类的视觉、听觉等感知能力，但这种感知能力不是人类的专属，动物也具备感知能力，甚至某些感知能力比人类更强，比如：狗的嗅觉。而“认知语言是人区别于其他动物的能力，同时，知识也使人不断地进步，不断地凝练、传承知识，是推动人不断进步的重要基础。”知识对于人工智能的价值就在于，让机器具备认知能力。而构建知识图谱这个过程的本质，就是让机器形成认知能力，去理解这个世界。 三、图数据库知识图谱的图存储在图数据库（Graph Database）中，图数据库以图论为理论基础，图论中图的基本元素是节点和边，在图数据库中对应的就是节点和关系。用节点和关系所组成的图，为真实世界直观地建模，支持百亿量级甚至千亿量级规模的巨型图的高效关系运算和复杂关系分析。目前市面上较为流行的图数据库有：Neo4j、Orient DB、Titan、Flock DB、Allegro Graph等。不同于关系型数据库，一修改便容易“牵一发而动全身”图数据库可实现数据间的“互联互通”，与传统的关系型数据库相比，图数据库更擅长建立复杂的关系网络。图数据库将原本没有联系的数据连通，将离散的数据整合在一起，从而提供更有价值的决策支持。四、知识图谱的价值知识图谱用节点和关系所组成的图谱，为真实世界的各个场景直观地建模，运用“图”这种基础性、通用性的“语言”，“高保真”地表达这个多姿多彩世界的各种关系，并且非常直观、自然、直接和高效，不需要中间过程