【安防展覽網 品牌專欄】 2020年7月11日，世界人工智能大會WAIC·開發者日：開發·開源·社區主題論壇召開，有影響力的圖靈獎得主、頂級技術專家和開發者代表云聚一堂，對當下人工智能前沿理論技術和開發實踐進行深度解讀。明略科技*科學家、明略科學院院長吳信東受邀發表主題演講，分享知識圖譜自動構建的方法論和實踐，并宣布明略科技HAO圖譜開放Text2KG ?API能力，賦能開發者和企業級用戶。
數據圖譜不是知識圖譜
吳信東認為，大多數情況下，我們所說的、所用到的圖譜并沒有后臺知識，只是數據圖譜，而不是知識圖譜。知識圖譜應該有三個組成部分，首先是概念，即圖譜的節點。概念跟概念之間是連接，是關系，即圖譜的邊。只有概念和關系還不夠，還需要背景知識解釋概念，和連接的語義。如果只有概念、關系，是數據圖譜，而不是具有背景知識的知識圖譜。
從數據圖譜到知識圖譜的構建，可分成三個階段。第一階段，人工階段。對當前問題充分理解，把概念、關系形成節點和邊，用計算機程序的方式進行連接、溝通。第二階段，眾包構建。當實體太多，關系類型非常復雜時，需要涉及到群體，形成分布式的開發環境進行集成。第三階段，自動構建。自動構建，始于美國的華盛頓大學，卡內基梅隆大學，Google的一些早期項目，采取計算機輔助，做自動融合、自動容錯的檢測機制。
知識圖譜的構建，首先要有數據來源。數據類型可分成結構化數據，例如，表格數據，一個成型的數據庫，關系型數據庫，或者其他層次化的數據；非結構化數據，包括新聞網頁，手寫的字段，圖片，視頻，中間可能是根據需要、場景采集到的數據片段；半結構化數據，例如，網絡文章，雖然不是完全結構化的，但一般而言都有標題、作者、摘要，分段落以及結束語，所以具備一定的形式，即半結構化數據。
知識圖譜的構建，要考慮到三種不同的數據類型。其中，非結構化數據，由于語言、描述形式呈現了多樣性或靈活性，因此抽取實體、語義關系是知識圖譜自動構建面臨的挑戰。具體而言，信息抽取，需要判斷哪些信息的短語、動詞是和知識圖譜構建相關的。知識融合，需要把每個句子里面存儲的不同片段的信息，形成一個整體，所形成的描述形式用于其他的知識處理。
無論是從信息抽取做知識融合，還是做知識處理，核心的三部分，一是實體涉及到的名詞，二是涉及到中間的關系，三是實體和關系之間，可能有同名，有共線(Co-references)，如何沖突消解。
知識圖譜的構建方法
圖譜構建主要有三大挑戰:第一，在構建中間可能做了一些信息搜索；第二，后臺的知識庫可能做了一些信息冗余；第三，隨著時間和空間的變化，信息要進行更新迭代。那么，如何構建知識圖譜?方法主要有四大類。
第一類是邏輯建模，用邏輯描述所要抽取的知識圖譜包含了哪些概念、關系和背景知識。目前，大多數知識圖譜都是邏輯+概率。邏輯，是名詞跟名詞的關系。當涉及到日常生活、社會經濟系統，這些名詞的關系不是確定的，所以要加上概率的描述方式。概率+邏輯，通常是用來描述知識圖譜的第一種技術手段。其中涉及到一些技術問題，如，邏輯變量、邏輯規則，當量非常大時，使用馬爾可夫邏輯網對問題進行簡化處理。對問題求解關注度比較高的一些描述形式，把馬爾可夫邏輯網介入到概念衍生過程中，達到高效的知識圖譜構建和利用。
第二類知識圖譜的構建方法是隱含空間，涉及隱含變量，即有哪些背景知識來解釋文本。文本包含的社會背景、人物關系、組織結構，沒有在文本中體現，但是要進行了解、梳理。隱含空間分析有多種方法，第一種方法是距離模型，一個三元組，一個head，通過一個relation，推演將來tail究竟是什么。例如，我走到哪一個大樓，到了具體哪一層，中間可能涉及到隱含的變量。假設我今天的目標是要去訪問客戶，或者做一個項目答辯。根據當前的情況，背景的隱含空間，可以映射我的目標，要到什么地方去，這就涉及到背景知識。所以隱含變量和隱變量模型，核心都是有一些變量是無法看到的，文本沒有進行具體刻畫的隱含信息。這就涉及到神經網絡經常用到的張量模型，張量是*的，是三維空間的描述，用像機、二維模型刻畫，有些變量、特征不容易展現出來。由此引出矩陣分解，一個矩陣中間可能有一個隱含矩陣，從M到N，中間讓它變成N×K的矩陣的描述形式。所以，隱含變量帶來了很多的空間和機會，相對困難。現在國內用的比較多的是TransE翻譯模型，是從當前的一個變量，翻譯到一定程度。
第三類知識圖譜的構建方法是人機交互，通過人在回路，以計算機和人交互的方式，完成對信息的搜集、聚合、消解。核心是一個交互接口。人機交互的圖譜構建，基本上有三種不同的模式。第一種模式是通過設計一個計算機程序，讓計算機程序對人類專家進行提問，一旦把這些問題進行完整的回答，就把該問題涉及到的概念和關系建立模型，生成知識圖譜。人機交互的范式里有Structured ?Interactive Knowledge ?Transfer(SIKT)，即結構化的交互知識牽引，通過計算機交互，把人腦中存在的關于問題的描述，形成知識圖譜。面向對象，把實體里面關于知識的描述、知識的牽引進行刻畫，形成Knowledge ?Object的表示方法，這是第二種模式。第三種模式，是明略科技近兩年所做的一種嘗試，把人類智能、人工智能、組織智能所涉及的概念、關系進行描述，通過人在回路進行問題的刻畫。這三種模式，都涉及人機交互，也涉及一些特定的行業知識。
第四類知識圖譜的構建方法是本體模型。本體模型的意思是，我們在讀一個文本的同時，后臺有一個詞典，或者是有一個知識庫，幫助我們理解當前的問題描述。上比較經典、成功的是Cyc循環獲取方法，基本上有七個步驟，從問題領域的界定，到創建實例，來形成知識圖譜。Ontology ?Development七步法中間也涉及本體的半自動構建，利用一些專業詞典、敘詞表，缺點是在復用本體的概念和關系時，對當前的問題不一定能夠做到完全匹配。而自動構建則有基于語言規則的方法和基于機器學習的方法。基于語言的方法，涉及到一些語義的模式。基于統計學的機器學習方法，涉及到數據的聚類，還有一些模式數據的挖掘。
圖譜的自動構建涉及兩個核心要素，第一，要有一個領域知識庫，第二，對數據和知識庫進行匹配時，需要自動糾錯、自主學習，因此強化學習和人機交互是關鍵。
HAO圖譜的核心技術和應用場景
明略科技的HAO圖譜，基于HAO智能框架。其中“HAO”，指代的是Human intelligence，Artificial ?intelligence，Organizational ?intelligence。目前，以明略科技HAO智能理論框架為基礎，形成了從感知到認知，再到決策的三個能力階段的HAO技術體系，包括HAO感知、HAO數據一體機，HAO交互、HAO圖譜、HAO模型、HAO情報、HAO預測，HAO代理、HAO排序等系列基礎軟件模型、應用工具和解決方案。
在HAO智能技術環境中，實現從數據圖譜到HAO圖譜。數據圖譜在HAO交互技術環節完成。比如，演講現場，HAO交互技術可以實時采集發言者的語音數據，然后HAO圖譜技術可在后臺實時生成圖譜，首先把聲音翻譯成實體和關系，然后再精簡、關聯。“HAO”圖譜是目前第一個從聲音直接生成圖譜的系統。
HAO圖譜有三項關鍵技術。第一，句子級的信息抽取，生成名詞和名詞之間的關系連接以后，要理解中間哪些語義內容是句子級的，再從句子級，生成更高層次的內容分析。
第二，篇章級的信息抽取。多個句子就形成一個整體描述，整體描述中涉及多個概念、關系，描述一個整體現象，即是篇章級的信息抽取。
第三，動態和靜態的知識表示。從不同的篇章中間做話題演化時，隨著社會、經濟和當前討論熱點的變化，話題關注點可能發生遷移，因此話題目錄要做一些變化，當進行知識圖譜構建抽取事件時，要考慮隨著時間和空間的變化而變化，進行動態和靜態的知識圖譜的表示。
目前，HAO圖譜已在公共安全、數字城市、金融、工業、廣告營銷等多個場景中落地。
在輿情分析和個性化營銷場景中，基于知識圖譜，可以把用戶產生的評論，與品牌相結合，去看用戶的輿情走勢，然后將結果整合到BI系統，為運營人員提供用戶需求洞察，同時，在此基礎之上進行千人千面的個性化廣告生成和智能商品推薦。
在智能導購場景中，在尊重和保護用戶隱私和數據安全的前提下，把銷售溝通話術，經過語音轉成文本，進行話題分類，形成話題轉移的知識圖譜，計算出話題之間轉移的概率，幫助銷售人員復盤，分析流單的主要環節，改善話題轉移和引導，提高成單率。
HAO圖譜技術模塊，依托明略科技新一代人工智能國家開放創新平臺，已于2020年7月11日正式對外開放Text2KG ?API，賦能更多開發者和企業級用戶，基于明略科技知識圖譜的底層技術，更高效地探索更多行業細分場景。
移動版
智慧城市網APP
智慧城市網小程序
微信公眾號
