田莉霞

（寧夏財經(jīng)職業(yè)技術學院，寧夏 銀川 750021）

0 引言

信息技術飛速發(fā)展，不斷推動著互聯(lián)網(wǎng)技術的變革，互聯(lián)網(wǎng)的核心性技術Web經(jīng)歷了網(wǎng)頁鏈接到數(shù)據(jù)鏈接的變革后，正逐漸向大規(guī)模的語義網(wǎng)絡[1]演變。語義網(wǎng)絡將知識采用網(wǎng)絡的形式表示，它將經(jīng)過加工和推理的知識以圖形的方式提供給用戶，而實現(xiàn)智能化語義檢索的基礎和橋梁就是知識圖譜。

知識圖譜以圖的形式呈現(xiàn)，用以描述現(xiàn)實世界中的實體、概念及二者的內(nèi)在聯(lián)系，是當前人工智能的熱門技術之一，是實現(xiàn)智能搜索、語音問答的技術基礎，被廣泛應用于醫(yī)療、金融、教育、旅游、農(nóng)業(yè)、人力資源管理等領域。

1 知識圖譜

為提高搜索效率，優(yōu)化搜索質(zhì)量，提升自家搜索引擎的競爭力，2012年，Google首先提出知識圖譜[2]這一概念，以知識圖譜為技術支持的搜索引擎，具有一定的“理解”能力，用戶不再需要通過不停的點擊鏈接來獲取自己想要的信息，搜索引擎通過推理功能向用戶推薦問題的答案，實現(xiàn)智能搜索，這為用戶提供了完全不一樣的搜索感受。到底什么是知識圖譜？本質(zhì)上，知識圖譜就是以圖譜的形式呈現(xiàn)出客觀世界中的概念、實體及其間的復雜關系。Google 在推廣知識圖譜時，曾提出“Things，not strings”的宣傳口號，這就是知識圖譜的精華所在，即：不要無意義的字符串，而是獲取字符串背后隱含的對象或事物[3]。

例如，當我們看到Leonardo di ser Piero da Vinci這串字符時，首先想到什么？

相信很多人不明白其中的意思，我們一起來看下他對應的中文：列奧納多·迪·皮耶羅·達·芬奇，這下絕大多數(shù)人都知道，這是一個外國人的名字， 接著我們會聯(lián)想到這是著名畫家、科學家，會聯(lián)想到他的著名作品《蒙娜麗莎》，還會想到意大利文藝復興三杰拉斐爾、米開朗基羅和達·芬奇。

機器看到文本的反應和我們看到達·芬奇意大利文原名（Leonardo di ser Piero da Vinci）的反應幾乎一樣。想要讓機器理解文本的含義，我們需要對客觀世界中的具體事物（實體）創(chuàng)建一個完整的模型[4]，包含它的各種屬性以及與其他事物的關系，也就是構建知識圖譜，為機器存儲先驗知識。如圖1所示，為以達·芬奇實體為核心構建的知識圖譜。

圖1 知識圖譜示例Fig.1 Example of Knowledge Graphs

知識圖譜讓機器擁有了最基礎的認知能力，當它再次看到Leonardo di ser Piero da Vinci時，就會像人類看到熟悉的事物時一樣進行相應的聯(lián)想和推理。

早期互聯(lián)網(wǎng)搜索僅僅是基于文本的鏈接[5]，搜索時僅單純的給出包含搜索詞的網(wǎng)頁，讓用戶去網(wǎng)頁中尋找答案。2012年谷歌提出知識圖譜并且將其應用于語義搜索，改進搜索質(zhì)量，搜索算法會在網(wǎng)頁搜索時盡可能的鏈接與其相關的結構化信息，這些信息會以知識卡片（Knowledge Card）的形式返回給用戶，知識卡片是搜索引擎中知識圖譜的最直接呈現(xiàn)方式。百度、搜狗等國內(nèi)的主流搜索引擎公司，也都將最初對知識圖譜的理論研究轉向了產(chǎn)品的實際應用。圖 2、圖 3分別給出了在搜狗、百度搜索“九寨溝在哪”時返回的知識卡片。

圖2 知識圖譜在搜索中的展現(xiàn)-知識卡片（圖片來源于搜狗）Fig.2 Display of Knowledge Graphs in searchknowledge card (picture from Sogou)

圖3 知識圖譜在搜索中的展現(xiàn)-知識卡片（圖片來源于百度）Fig.3 Display of Knowledge Graphs in searchknowledge card (picture from Baidu)

同時搜索結果頁面的右側，如圖4所示，還會出現(xiàn)與其相關的推薦信息。

對于一些搜索問句比如“媽媽的爸爸怎么稱呼”，搜索引擎也能準確返回搜索結果，如圖5、圖6所示，分別是搜狗和百度返回的知識卡片的截圖。能夠準確給出用戶答案，而不是一堆相關的鏈接，這意味著知識圖譜讓搜索引擎真正明白了用戶的想法與需求。

2 知識圖譜的表示

在實際應用中，我們可以用多關系圖（Multirelational Graph）來簡化知識圖譜，其實質(zhì)就是把所有不同種類的信息連接在一起而得到的一個關系網(wǎng)絡[6]。如圖 7所示為一多關系圖，它包含多種類型的節(jié)點和多種類型的邊，不同形狀和顏色代表不同種類的節(jié)點和邊。節(jié)點表示實體或概念，邊則構成關系。實體指的是現(xiàn)實世界中的具體事物或具體的人，比如著名的物理學家愛因斯坦、偉大的思想家馬克思等；概念是指人們在認識世界過程中形成的對客觀事物的概念化表示，如人、動物、組織結構等；關系則用來表達不同實體、概念之間的聯(lián)系，例如小王和小李是“同事”、李紅-“工作在”-上海等等。

圖4 知識圖譜在搜索頁面中的展現(xiàn)（圖片來源于百度）Fig.4 Display of Knowledge Graphs in search page (picture from Baidu)

圖5 關系搜索中的知識卡片展現(xiàn)（圖片來源于搜狗）Fig.5 Display of Knowledge Card in relation search (picture from Sogou)

圖6 關系搜索中的知識卡片展現(xiàn)（圖片來源于百度）Fig.6 Display of Knowledge Card in relation search (picture from Baidu)

圖7 多關系圖Fig.7 Multiple relation graph

知識圖譜可以方便的表示生活中的很多場景，比如一個人的社交網(wǎng)絡圖譜，如圖8所示，以圖譜的形式清晰呈現(xiàn)出社交人脈。

在社交關系圖譜中，實體可以是“人”，也可以是社會組織機構，例如“學校”、“工作單位”等。人與人之間可以是親人、朋友，同學、同事、鄰居等。人和學校之間可以是“在讀”或者“畢業(yè)”的關系，如圖9所示。

無論是實體還是關系，都會有描述它們各自特征的屬性，例如實體人會擁有“性別”、“體重”、“民族”等屬性。在多關系圖中，為實體或關系添加相應的屬性[7]，新得到的圖譜我們稱之為屬性圖（Property Graph）。如圖10所示為一個簡單的屬性圖，小白年齡35歲，任職于百度，職位為區(qū)域經(jīng)理，百度公司成立于2000年1月。

圖8 社交圖譜Fig.8 Social graph

圖9 社交知識圖譜案例展示Fig.9 Case display of social Knowledge Graphs

圖10 屬性圖Fig.10 Property Graphs

在學術場景，知識圖譜主要用資源描述框架RDF[8]（Resource Description Framework）來表示，它由很多的三元組（Triples）組成。

3 知識圖譜的應用

知識圖譜讓網(wǎng)絡具備了基礎的認知思維，能夠類似于人一樣去思考問題，大大提高了網(wǎng)絡的智能化水平?；ヂ?lián)網(wǎng)上海量、異構、動態(tài)的大數(shù)據(jù)，通過知識圖譜實現(xiàn)了更有效地使用?，F(xiàn)階段，知識圖譜除了廣泛應用在搜索引擎領域外，還在智能問答、智能推薦以及一些垂直行業(yè)中有所應用，不斷推動著這些行業(yè)的發(fā)展及變革。

3.1 智能問答

智能問答目前也是一個非常熱門的方向，它是信息檢索系統(tǒng)的一種高級形式，它降低了人機交互的門檻，非常適合成為互聯(lián)網(wǎng)的新入口。早期的搜索引擎無法直接給出問題的答案，只是根據(jù)關鍵字將相關網(wǎng)頁返給用戶，用戶再根據(jù)自己的需求，去尋找答案。智能問答系統(tǒng)通過知識圖譜，具有類似于人的認知思維，可以真正明白用戶的意圖，直接給出用戶想要的答案。目前很多問答平臺引入了知識圖譜，典型的應用有蘋果的Siri，圖11、圖12為蘋果Siri的問答展示。

3.2 智能推薦

圖11 Siri的問答展示1Fig.11 Siri's Q & A show 1

圖12 Siri的問答展示2Fig.12 Siri's Q & A show 2

智能推薦是目前知識圖譜應用的熱門領域之一，它可以以知識圖譜為基礎，為用戶構建相關場景，并向用戶提供最合適的推薦。電商領域的智能推薦最為常用，例如利用知識圖譜構建電商平臺的產(chǎn)品庫[9]。如果用戶要查詢某個產(chǎn)品的信息時，只需輸入關鍵詞，以知識圖譜為基礎的智能推薦就會向用戶輸出產(chǎn)品相關的信息。在用戶購買完一個商品時，智能推薦還可以通過知識圖譜判斷用戶的購物需求及購物場景，向用戶提供其他配套產(chǎn)品的信息，這也是知識圖譜在電商領域的主要用途之一。

2013年，F(xiàn)acebook作為全球最大的社交網(wǎng)絡之一，推出基于知識圖譜的全新產(chǎn)品 Graph Search。它利用知識圖譜將社交網(wǎng)絡中的重要元素人、地點、時間、事情等聯(lián)系起來，形成巨大的社交關系圖譜，幫助用戶快速準確的找出密切相關的人選，這個應用就是最典型的智能推薦。

3.3 金融領域

金融領域是知識圖譜最早、最廣泛的應用領域之一，目前最常用的主要是風險控制和智能投顧兩方面。

金融行業(yè)擁有大量的專業(yè)數(shù)據(jù)，例如公司、組織機構、個人的存貸款情況，征信和投資數(shù)據(jù)、交易記錄、消費概況，通過知識圖譜將這些數(shù)據(jù)構建為金融圖譜，將所有實體的屬性及關系全面呈現(xiàn)出來。當用戶的金融操作出現(xiàn)異常狀況時，可以通過個人特征的監(jiān)控，操作的不一致性檢測，異常狀況的分析，發(fā)現(xiàn)隱藏其中的潛在風險，進行風險控制及反欺詐[10]。

同時，利用金融知識圖譜，對數(shù)據(jù)進行智能分析，當用戶進行投資理財時，可以根據(jù)提取出來的信息，結合用戶的實際需求，為用戶智能推薦理財產(chǎn)品，實現(xiàn)智能投顧。利用智能投顧，可以幫助理財師等金融分析工作人員更全面的對經(jīng)濟事件做全方位、深層次的投資決策。

除了以上列舉的智能問答、智能推薦、金融領域外，知識圖譜的應用可以涉及到很多其他的行業(yè)，包括醫(yī)療、教育科研、農(nóng)業(yè)、旅游、人力資源管理等等。生活中關系無處不在，而知識圖譜是最有效的體現(xiàn)關系的方法，未來會在更多領域?qū)崿F(xiàn)更多應用價值。

4 總結展望

知識圖譜是一個多種技術與知識高度融合的新型應用技術，它包括計算機應用技術以及知識表示、專家系統(tǒng)、自然語言理解等知識。本文首先針對知識圖譜的概念、表示方法做了詳細的介紹，并對知識圖譜在搜索引擎、智能問答、智能推薦、金融領域的應用做了深層次的闡述。

知識圖譜作為人工智能的最前沿研究熱點，將其與各個行業(yè)的知識相結合，不斷拓展其應用價值，為多個學科領域及行業(yè)找到了新的突破口，它不僅僅是一項新技術，更是一項重要的戰(zhàn)略資產(chǎn)。我們期待，未來會有更多的知識圖譜應用落地，會有更多的問題在知識圖譜幫助下協(xié)同解決。