智慧城市网

　　【安防展览网 品牌专栏】  2020年7月11日，世界人工智能大会WAIC·开发者日：开发·开源·社区主题论坛召开，有影响力的图灵奖得主、顶级技术专家和开发者代表云聚一堂，对当下人工智能前沿理论技术和开发实践进行深度解读。明略科技*科学家、明略科学院院长吴信东受邀发表主题演讲，分享知识图谱自动构建的方法论和实践，并宣布明略科技HAO图谱开放Text2KG ﻪAPI能力，赋能开发者和企业级用户。
 

　　数据图谱不是知识图谱
 

　　吴信东认为，大多数情况下，我们所说的、所用到的图谱并没有后台知识，只是数据图谱，而不是知识图谱。知识图谱应该有三个组成部分，首先是概念，即图谱的节点。概念跟概念之间是连接，是关系，即图谱的边。只有概念和关系还不够，还需要背景知识解释概念，和连接的语义。如果只有概念、关系，是数据图谱，而不是具有背景知识的知识图谱。
 

　　从数据图谱到知识图谱的构建，可分成三个阶段。第一阶段，人工阶段。对当前问题充分理解，把概念、关系形成节点和边，用计算机程序的方式进行连接、沟通。第二阶段，众包构建。当实体太多，关系类型非常复杂时，需要涉及到群体，形成分布式的开发环境进行集成。第三阶段，自动构建。自动构建，始于美国的华盛顿大学，卡内基梅隆大学，Google的一些早期项目，采取计算机辅助，做自动融合、自动容错的检测机制。
 

　　知识图谱的构建，首先要有数据来源。数据类型可分成结构化数据，例如，表格数据，一个成型的数据库，关系型数据库，或者其他层次化的数据；非结构化数据，包括新闻网页，手写的字段，图片，视频，中间可能是根据需要、场景采集到的数据片段；半结构化数据，例如，网络文章，虽然不是完全结构化的，但一般而言都有标题、作者、摘要，分段落以及结束语，所以具备一定的形式，即半结构化数据。
 

　　知识图谱的构建，要考虑到三种不同的数据类型。其中，非结构化数据，由于语言、描述形式呈现了多样性或灵活性，因此抽取实体、语义关系是知识图谱自动构建面临的挑战。具体而言，信息抽取，需要判断哪些信息的短语、动词是和知识图谱构建相关的。知识融合，需要把每个句子里面存储的不同片段的信息，形成一个整体，所形成的描述形式用于其他的知识处理。
 

　　无论是从信息抽取做知识融合，还是做知识处理，核心的三部分，一是实体涉及到的名词，二是涉及到中间的关系，三是实体和关系之间，可能有同名，有共线(Co-references)，如何冲突消解。
 

　　知识图谱的构建方法
 

　　图谱构建主要有三大挑战:第一，在构建中间可能做了一些信息搜索；第二，后台的知识库可能做了一些信息冗余；第三，随着时间和空间的变化，信息要进行更新迭代。那么，如何构建知识图谱?方法主要有四大类。
 

　　第一类是逻辑建模，用逻辑描述所要抽取的知识图谱包含了哪些概念、关系和背景知识。目前，大多数知识图谱都是逻辑+概率。逻辑，是名词跟名词的关系。当涉及到日常生活、社会经济系统，这些名词的关系不是确定的，所以要加上概率的描述方式。概率+逻辑，通常是用来描述知识图谱的第一种技术手段。其中涉及到一些技术问题，如，逻辑变量、逻辑规则，当量非常大时，使用马尔可夫逻辑网对问题进行简化处理。对问题求解关注度比较高的一些描述形式，把马尔可夫逻辑网介入到概念衍生过程中，达到高效的知识图谱构建和利用。
 

　　第二类知识图谱的构建方法是隐含空间，涉及隐含变量，即有哪些背景知识来解释文本。文本包含的社会背景、人物关系、组织结构，没有在文本中体现，但是要进行了解、梳理。隐含空间分析有多种方法，第一种方法是距离模型，一个三元组，一个head，通过一个relation，推演将来tail究竟是什么。例如，我走到哪一个大楼，到了具体哪一层，中间可能涉及到隐含的变量。假设我今天的目标是要去访问客户，或者做一个项目答辩。根据当前的情况，背景的隐含空间，可以映射我的目标，要到什么地方去，这就涉及到背景知识。所以隐含变量和隐变量模型，核心都是有一些变量是无法看到的，文本没有进行具体刻画的隐含信息。这就涉及到神经网络经常用到的张量模型，张量是*的，是三维空间的描述，用像机、二维模型刻画，有些变量、特征不容易展现出来。由此引出矩阵分解，一个矩阵中间可能有一个隐含矩阵，从M到N，中间让它变成N×K的矩阵的描述形式。所以，隐含变量带来了很多的空间和机会，相对困难。现在国内用的比较多的是TransE翻译模型，是从当前的一个变量，翻译到一定程度。
 

　　第三类知识图谱的构建方法是人机交互，通过人在回路，以计算机和人交互的方式，完成对信息的搜集、聚合、消解。核心是一个交互接口。人机交互的图谱构建，基本上有三种不同的模式。第一种模式是通过设计一个计算机程序，让计算机程序对人类专家进行提问，一旦把这些问题进行完整的回答，就把该问题涉及到的概念和关系建立模型，生成知识图谱。人机交互的范式里有Structured ﻪInteractive Knowledge ﻪTransfer(SIKT)，即结构化的交互知识牵引，通过计算机交互，把人脑中存在的关于问题的描述，形成知识图谱。面向对象，把实体里面关于知识的描述、知识的牵引进行刻画，形成Knowledge ﻪObject的表示方法，这是第二种模式。第三种模式，是明略科技近两年所做的一种尝试，把人类智能、人工智能、组织智能所涉及的概念、关系进行描述，通过人在回路进行问题的刻画。这三种模式，都涉及人机交互，也涉及一些特定的行业知识。
 

　　第四类知识图谱的构建方法是本体模型。本体模型的意思是，我们在读一个文本的同时，后台有一个词典，或者是有一个知识库，帮助我们理解当前的问题描述。上比较经典、成功的是Cyc循环获取方法，基本上有七个步骤，从问题领域的界定，到创建实例，来形成知识图谱。Ontology ﻪDevelopment七步法中间也涉及本体的半自动构建，利用一些专业词典、叙词表，缺点是在复用本体的概念和关系时，对当前的问题不一定能够做到完全匹配。而自动构建则有基于语言规则的方法和基于机器学习的方法。基于语言的方法，涉及到一些语义的模式。基于统计学的机器学习方法，涉及到数据的聚类，还有一些模式数据的挖掘。
 

　　图谱的自动构建涉及两个核心要素，第一，要有一个领域知识库，第二，对数据和知识库进行匹配时，需要自动纠错、自主学习，因此强化学习和人机交互是关键。
 

　　HAO图谱的核心技术和应用场景
 

　　明略科技的HAO图谱，基于HAO智能框架。其中“HAO”，指代的是Human intelligence，Artificial ﻪintelligence，Organizational ﻪintelligence。目前，以明略科技HAO智能理论框架为基础，形成了从感知到认知，再到决策的三个能力阶段的HAO技术体系，包括HAO感知、HAO数据一体机，HAO交互、HAO图谱、HAO模型、HAO情报、HAO预测，HAO代理、HAO排序等系列基础软件模型、应用工具和解决方案。
 

　　在HAO智能技术环境中，实现从数据图谱到HAO图谱。数据图谱在HAO交互技术环节完成。比如，演讲现场，HAO交互技术可以实时采集发言者的语音数据，然后HAO图谱技术可在后台实时生成图谱，首先把声音翻译成实体和关系，然后再精简、关联。“HAO”图谱是目前第一个从声音直接生成图谱的系统。
 

　　HAO图谱有三项关键技术。第一，句子级的信息抽取，生成名词和名词之间的关系连接以后，要理解中间哪些语义内容是句子级的，再从句子级，生成更高层次的内容分析。
 

　　第二，篇章级的信息抽取。多个句子就形成一个整体描述，整体描述中涉及多个概念、关系，描述一个整体现象，即是篇章级的信息抽取。
 

　　第三，动态和静态的知识表示。从不同的篇章中间做话题演化时，随着社会、经济和当前讨论热点的变化，话题关注点可能发生迁移，因此话题目录要做一些变化，当进行知识图谱构建抽取事件时，要考虑随着时间和空间的变化而变化，进行动态和静态的知识图谱的表示。
 

　　目前，HAO图谱已在公共安全、数字城市、金融、工业、广告营销等多个场景中落地。
 

　　在舆情分析和个性化营销场景中，基于知识图谱，可以把用户产生的评论，与品牌相结合，去看用户的舆情走势，然后将结果整合到BI系统，为运营人员提供用户需求洞察，同时，在此基础之上进行千人千面的个性化广告生成和智能商品推荐。
 

　　在智能导购场景中，在尊重和保护用户隐私和数据安全的前提下，把销售沟通话术，经过语音转成文本，进行话题分类，形成话题转移的知识图谱，计算出话题之间转移的概率，帮助销售人员复盘，分析流单的主要环节，改善话题转移和引导，提高成单率。
 

　　HAO图谱技术模块，依托明略科技新一代人工智能国家开放创新平台，已于2020年7月11日正式对外开放Text2KG ﻪAPI，赋能更多开发者和企业级用户，基于明略科技知识图谱的底层技术，更高效地探索更多行业细分场景。