趙東明

（中國(guó)移動(dòng)通信集團(tuán)天津有限公司，天津 300020）

0 引言

“計(jì)算－感知－認(rèn)知”的人工智能技術(shù)發(fā)展路徑，已經(jīng)成為大多人工智能研究和應(yīng)用專(zhuān)家的共識(shí)。機(jī)器具備認(rèn)知智能，進(jìn)而實(shí)現(xiàn)推理、歸納、決策甚至創(chuàng)作，在一定程度上需要一個(gè)充滿(mǎn)知識(shí)的大腦[1]。知識(shí)圖譜（knowledge graph，KG）將互聯(lián)網(wǎng)的信息表達(dá)成更接近人類(lèi)認(rèn)知世界的形式[2]，提供了一種更好地組織、管理和理解互聯(lián)網(wǎng)海量信息的能力。知識(shí)圖譜給互聯(lián)網(wǎng)語(yǔ)義搜索帶來(lái)了活力，同時(shí)也在智能問(wèn)答、大數(shù)據(jù)分析與決策中顯示出強(qiáng)大威力，已經(jīng)成為互聯(lián)網(wǎng)基于知識(shí)的智能服務(wù)基礎(chǔ)[3-4]，已成為推動(dòng)人工智能從感知能力向認(rèn)知能力發(fā)展的重要途徑[5-6]。知識(shí)圖譜的應(yīng)用現(xiàn)在非常廣泛：在通用領(lǐng)域，Google、百度等搜索公司利用其提供智能搜索服務(wù)[7]，IBM Waston 問(wèn)答機(jī)器人、蘋(píng)果的Siri語(yǔ)音助手和Wolfram Alpha都利用圖譜進(jìn)行問(wèn)題理解、推理和問(wèn)答[8]；在各垂直領(lǐng)域，行業(yè)數(shù)據(jù)從大規(guī)模數(shù)據(jù)到圖譜化知識(shí)快速演變，且基于圖譜形式的行業(yè)知識(shí)，對(duì)智能客服、智能決策、智能營(yíng)銷(xiāo)等各類(lèi)智能化服務(wù)進(jìn)行賦能[9-10]。

隨著電信運(yùn)營(yíng)商數(shù)字化轉(zhuǎn)型的推進(jìn)，無(wú)論是系統(tǒng)架構(gòu)還是業(yè)務(wù)的數(shù)據(jù)都發(fā)生著重大變化[11]，體系趨于復(fù)雜化、精細(xì)化，業(yè)務(wù)的數(shù)據(jù)在成倍增長(zhǎng)，這些均對(duì)運(yùn)營(yíng)、運(yùn)維工作提出了更高的要求[12]。因此，需要運(yùn)用知識(shí)圖譜技術(shù)，發(fā)揮其在認(rèn)知理解、智能分析領(lǐng)域的優(yōu)勢(shì)，構(gòu)建業(yè)務(wù)、運(yùn)維智能大腦，以知識(shí)圖譜的認(rèn)知關(guān)系網(wǎng)絡(luò)為動(dòng)態(tài)決策提供數(shù)據(jù)分析引擎，從而支撐相關(guān)場(chǎng)景[13-14]，讓圖譜場(chǎng)景應(yīng)用結(jié)合行業(yè)需求，促進(jìn)行業(yè)解決方案的落地，從而提升業(yè)務(wù)、運(yùn)維等工作的服務(wù)質(zhì)量和效率[15]。目前，知識(shí)圖譜已在電信運(yùn)營(yíng)商業(yè)務(wù)及運(yùn)維場(chǎng)景的知識(shí)搜索、自然語(yǔ)言處理、智能服務(wù)助手、故障根因分析等領(lǐng)域發(fā)揮著重要作用，成為電信運(yùn)營(yíng)商數(shù)智化轉(zhuǎn)型和發(fā)展的核心驅(qū)動(dòng)力之一。

1 知識(shí)圖譜的應(yīng)用價(jià)值

知識(shí)圖譜用節(jié)點(diǎn)和關(guān)系所組成的圖譜，為電信運(yùn)營(yíng)商的各個(gè)場(chǎng)景直觀地建模，運(yùn)用“圖”這種基礎(chǔ)性、通用性的“語(yǔ)言”，以網(wǎng)狀結(jié)構(gòu)表達(dá)業(yè)務(wù)推薦、存量運(yùn)營(yíng)、系統(tǒng)運(yùn)維、客戶(hù)服務(wù)的各種關(guān)系，并且非常直觀、自然、直接和高效，不需要中間過(guò)程的轉(zhuǎn)換和處理。

目前知識(shí)圖譜對(duì)電信運(yùn)營(yíng)商的應(yīng)用場(chǎng)景和價(jià)值如圖1所示，分類(lèi)主要集中在：業(yè)務(wù)推薦及營(yíng)銷(xiāo)、電子渠道觸點(diǎn)營(yíng)銷(xiāo)、系統(tǒng)運(yùn)維、社交網(wǎng)絡(luò)數(shù)據(jù)分析、服務(wù)決策和支撐、滿(mǎn)意度評(píng)測(cè)和系統(tǒng)故障根因分析等領(lǐng)域。另外在風(fēng)控管理領(lǐng)域中，知識(shí)圖譜也可應(yīng)用于反欺詐、反洗錢(qián)、互聯(lián)網(wǎng)授信風(fēng)控、保險(xiǎn)欺詐、銀行欺詐、電商欺詐、項(xiàng)目作假、企業(yè)關(guān)系分析等場(chǎng)景中。

圖1 知識(shí)圖譜對(duì)電信運(yùn)營(yíng)商的應(yīng)用場(chǎng)景和價(jià)值

（1）復(fù)雜業(yè)務(wù)和運(yùn)維場(chǎng)景中關(guān)系表達(dá)能力強(qiáng)

傳統(tǒng)數(shù)據(jù)通常通過(guò)表格、字段等方式進(jìn)行讀取，而關(guān)系的層級(jí)及表達(dá)方式多種多樣，知識(shí)圖譜基于圖論和概率圖模型，可以處理復(fù)雜多樣的關(guān)聯(lián)分析，滿(mǎn)足運(yùn)營(yíng)商各種角色關(guān)系的分析和管理需要。

（2）具有較強(qiáng)的認(rèn)知分析和邏輯推理能力

基于知識(shí)圖譜的交互探索式分析，可以模擬人的思考過(guò)程去發(fā)現(xiàn)、求證、推理，業(yè)務(wù)人員自己就可以完成全部推薦、分析、表達(dá)過(guò)程，從而大大提升效率，降本增效又安全可信。

（3）知識(shí)學(xué)習(xí)從而驅(qū)動(dòng)模型自我優(yōu)化

知識(shí)圖譜利用交互式機(jī)器學(xué)習(xí)技術(shù)，支持根據(jù)推理、糾錯(cuò)、標(biāo)注等交互動(dòng)作的學(xué)習(xí)功能，不斷沉淀知識(shí)邏輯和模型，提高系統(tǒng)智能性，將知識(shí)沉淀在運(yùn)營(yíng)商應(yīng)用領(lǐng)域內(nèi)部，降低對(duì)經(jīng)驗(yàn)的依賴(lài)，也可以基于知識(shí)反饋不斷優(yōu)化模型，實(shí)現(xiàn)半自動(dòng)化的知識(shí)模型迭代更新。

（4）跨領(lǐng)域的知識(shí)數(shù)據(jù)合作實(shí)現(xiàn)智能策略輔助能力

知識(shí)圖譜作為AI發(fā)展的底層技術(shù)，能夠幫助運(yùn)營(yíng)商更好地參與到新的泛行業(yè)化的協(xié)作網(wǎng)絡(luò)和聯(lián)邦主態(tài)中，通過(guò)跨領(lǐng)域的企業(yè)界知識(shí)合作，更高效地訓(xùn)練模型輔助自身市場(chǎng)布局、策略?xún)?yōu)化，從而提升競(jìng)爭(zhēng)力。

（5）降低技術(shù)成本，促進(jìn)創(chuàng)新技術(shù)發(fā)展

知識(shí)圖譜技術(shù)體系能夠有效降低業(yè)務(wù)、運(yùn)維、服務(wù)人員掌握AI應(yīng)用的門(mén)檻，擴(kuò)大技術(shù)應(yīng)用的范圍和廣度，能夠?yàn)椴煌蛻?hù)提供更加豐富的產(chǎn)品及服務(wù)，同時(shí)去除數(shù)據(jù)安全隱憂(yōu)，在提升效率和獲得成長(zhǎng)的同時(shí)，實(shí)現(xiàn)自身發(fā)展。

2 知識(shí)圖譜技術(shù)體系架構(gòu)

知識(shí)圖譜是實(shí)現(xiàn)機(jī)器認(rèn)知智能的底層支撐技術(shù)，應(yīng)用場(chǎng)景主要體現(xiàn)在業(yè)務(wù)推薦、精益運(yùn)維、精準(zhǔn)分析、智慧搜索、智能推薦、智能解釋、更自然的人機(jī)交互和深層關(guān)系推理等各個(gè)方面。其框架面向業(yè)務(wù)類(lèi)和運(yùn)維類(lèi)大體一致，僅在數(shù)據(jù)源、模型構(gòu)建等有所區(qū)別。

2.1 知識(shí)圖譜應(yīng)用分類(lèi)

針對(duì)電信運(yùn)營(yíng)商的業(yè)務(wù)運(yùn)營(yíng)、系統(tǒng)運(yùn)維場(chǎng)景，知識(shí)圖譜因其構(gòu)建方式和應(yīng)用場(chǎng)景的不同，知識(shí)圖譜技術(shù)體系可以分為四大類(lèi)：?jiǎn)柎饳z索類(lèi)知識(shí)圖譜、工單分析類(lèi)知識(shí)圖譜、系統(tǒng)運(yùn)維類(lèi)知識(shí)圖譜和業(yè)務(wù)運(yùn)營(yíng)類(lèi)知識(shí)圖譜。

知識(shí)圖譜在共享數(shù)據(jù)源的情況下，基于統(tǒng)一的知識(shí)圖譜運(yùn)營(yíng)平臺(tái)，構(gòu)建“一體四面”的知識(shí)圖譜運(yùn)營(yíng)體系，如圖2所示，從而實(shí)現(xiàn)完整的知識(shí)圖譜訓(xùn)練和推理應(yīng)用架構(gòu)，在圖譜構(gòu)建、營(yíng)業(yè)推薦、存量保有等領(lǐng)域打造一系列標(biāo)桿應(yīng)用。

圖2 電信運(yùn)營(yíng)商“一體四面”的知識(shí)圖譜技術(shù)體系分類(lèi)

? 一體：知識(shí)圖譜運(yùn)營(yíng)管理系統(tǒng)。以統(tǒng)一AI賦能、統(tǒng)一架構(gòu)管理、統(tǒng)一數(shù)據(jù)支撐方式，打造知識(shí)圖譜研發(fā)運(yùn)營(yíng)一體化的管理系統(tǒng)，入駐統(tǒng)一 AI平臺(tái)，嵌入微營(yíng)銷(xiāo)主流程，實(shí)現(xiàn)個(gè)性化數(shù)據(jù)選擇、模型訓(xùn)練和客群生成。

? 四面：?jiǎn)柎饳z索類(lèi)知識(shí)圖譜、工單分析類(lèi)知識(shí)圖譜、系統(tǒng)運(yùn)維類(lèi)知識(shí)圖譜和業(yè)務(wù)運(yùn)營(yíng)知識(shí)類(lèi)圖譜。針對(duì)4類(lèi)知識(shí)圖譜的構(gòu)建，可以在機(jī)器問(wèn)答、業(yè)務(wù)推薦、系統(tǒng)運(yùn)維等場(chǎng)景打造個(gè)性化應(yīng)用。

（1）問(wèn)答檢索類(lèi)知識(shí)圖譜

問(wèn)答檢索類(lèi)知識(shí)圖譜總體遵循自底向上的構(gòu)建方法，系統(tǒng)通過(guò)從業(yè)務(wù)數(shù)據(jù)域、基礎(chǔ)數(shù)據(jù)域、應(yīng)用渠道域等獲取海量非結(jié)構(gòu)化數(shù)據(jù)，進(jìn)行數(shù)據(jù)清洗和語(yǔ)義分析，并輔以原子化知識(shí)庫(kù)中的固有內(nèi)容，以無(wú)監(jiān)督/有監(jiān)督兩種模式自動(dòng)構(gòu)建面向移動(dòng)業(yè)務(wù)服務(wù)的知識(shí)圖譜，對(duì)業(yè)務(wù)和服務(wù)渠道提供知識(shí)檢索及知識(shí)推薦能力，賦能知識(shí)庫(kù)、智能應(yīng)答、工單處理等領(lǐng)域提升效能。問(wèn)答檢索類(lèi)知識(shí)圖譜分類(lèi)對(duì)應(yīng)的實(shí)例，包括業(yè)務(wù)運(yùn)維知識(shí)圖譜、行業(yè)知識(shí)圖譜等。

（2）工單分析類(lèi)知識(shí)圖譜

工單分析類(lèi)知識(shí)圖譜，基于結(jié)構(gòu)化知識(shí)的工單信息檢索方法，面向自然語(yǔ)言領(lǐng)域的應(yīng)答、查詢(xún)、檢索等問(wèn)題，該知識(shí)圖譜結(jié)合自然語(yǔ)言理解技術(shù)對(duì)問(wèn)題進(jìn)行理解，并根據(jù)問(wèn)題理解的結(jié)果從知識(shí)圖譜中查找或推理問(wèn)題對(duì)應(yīng)的答案，給請(qǐng)求方進(jìn)行反饋。

工單分析類(lèi)知識(shí)圖譜可以自動(dòng)獲取解決方案合并后形成處理意見(jiàn)，自動(dòng)推送到工單處理人待辦進(jìn)行決策輔助。其對(duì)應(yīng)的實(shí)例，包括工單分析知識(shí)圖譜、投訴溯源分析知識(shí)圖譜等。

（3）系統(tǒng)運(yùn)維類(lèi)知識(shí)圖譜

傳統(tǒng)的監(jiān)控告警手段已經(jīng)無(wú)法滿(mǎn)足高效運(yùn)維管理的訴求，迫切需要引入領(lǐng)域知識(shí)結(jié)合AI方法構(gòu)建有效的知識(shí)圖譜，打造以知識(shí)圖譜技術(shù)驅(qū)動(dòng)的監(jiān)控和告警智能管理體系，可視化展示告警的關(guān)聯(lián)關(guān)系，對(duì)告警進(jìn)行收斂，降低人工投入，提升運(yùn)維效率。

通過(guò)知識(shí)圖譜與認(rèn)知推理技術(shù)結(jié)合，最終以邏輯表達(dá)的方式輔助運(yùn)維分析、系統(tǒng)異常根因挖掘，在提供推理、推薦結(jié)果的同時(shí)，給出可解釋的原因，在面向系統(tǒng)智能運(yùn)維的推薦、分析、挖掘等場(chǎng)景反饋富語(yǔ)義的認(rèn)知結(jié)論。

系統(tǒng)運(yùn)維類(lèi)知識(shí)圖譜對(duì)應(yīng)的實(shí)例，包括監(jiān)控運(yùn)維態(tài)勢(shì)感知知識(shí)圖譜、告警關(guān)聯(lián)關(guān)系知識(shí)圖譜、故障定位知識(shí)圖譜、故障處置知識(shí)圖譜、資源快速溯源 CMDB（configuration management database）知識(shí)圖譜和資產(chǎn)優(yōu)化知識(shí)圖譜。

（4）業(yè)務(wù)運(yùn)營(yíng)類(lèi)知識(shí)圖譜

業(yè)務(wù)運(yùn)營(yíng)類(lèi)知識(shí)圖譜，重點(diǎn)突出知識(shí)圖譜可解釋、可溯源能力，在決策輔助、根因分析、問(wèn)題溯源、業(yè)務(wù)推薦、服務(wù)預(yù)測(cè)等領(lǐng)域體現(xiàn)認(rèn)知能力，尤其在中國(guó)移動(dòng)關(guān)鍵的存量運(yùn)營(yíng)領(lǐng)域，可實(shí)現(xiàn)基于認(rèn)知推理的權(quán)益推薦、5G換機(jī)推薦和預(yù)離網(wǎng)用戶(hù)識(shí)別，在系統(tǒng)運(yùn)維領(lǐng)域，實(shí)現(xiàn)告警分析、故障根因發(fā)現(xiàn)等。

業(yè)務(wù)運(yùn)營(yíng)類(lèi)知識(shí)圖譜分類(lèi)對(duì)應(yīng)的實(shí)例，包括權(quán)益推薦知識(shí)圖譜、預(yù)離網(wǎng)知識(shí)圖譜、滿(mǎn)意度預(yù)測(cè)知識(shí)圖譜、騷擾電話(huà)識(shí)別知識(shí)圖譜等。

2.2 知識(shí)圖譜技術(shù)架構(gòu)

知識(shí)圖譜技術(shù)在電信運(yùn)營(yíng)商領(lǐng)域的應(yīng)用，一類(lèi)是信息檢索和工單文本處理，通過(guò)文本信息處理、概念提取和關(guān)系提取，實(shí)現(xiàn)面向信息檢索和智能應(yīng)答的能力輸出，其技術(shù)特點(diǎn)主要是針對(duì)可讀文本數(shù)據(jù)的處理和網(wǎng)絡(luò)構(gòu)建。一類(lèi)是業(yè)務(wù)運(yùn)營(yíng)和系統(tǒng)運(yùn)維的分析，主要面向系統(tǒng)運(yùn)維和業(yè)務(wù)運(yùn)營(yíng)知識(shí)圖譜，重點(diǎn)從隱語(yǔ)義數(shù)據(jù)（大數(shù)據(jù)畫(huà)像、偏好、標(biāo)簽、主機(jī)、應(yīng)用、數(shù)據(jù)庫(kù)、監(jiān)控等）挖掘邏輯挖掘，針對(duì)業(yè)務(wù)推薦、根因分析、問(wèn)題溯源等提供認(rèn)知理解能力。知識(shí)圖譜技術(shù)體系架構(gòu)如圖3所示。

圖3 電信運(yùn)營(yíng)商知識(shí)圖譜技術(shù)體系架構(gòu)

（1）數(shù)據(jù)層

知識(shí)圖譜中的知識(shí)來(lái)源于結(jié)構(gòu)化、半結(jié)構(gòu)化和非結(jié)構(gòu)化的信息資源，通過(guò)各類(lèi)數(shù)據(jù)抽取工具從各類(lèi)業(yè)務(wù)系統(tǒng)抽取到圖譜系統(tǒng)，文本類(lèi)數(shù)據(jù)，包括服務(wù)工單數(shù)據(jù)、用戶(hù)標(biāo)簽數(shù)據(jù)、訂購(gòu)數(shù)據(jù)、DPI數(shù)據(jù)、家庭好友關(guān)系以及運(yùn)維日志等基礎(chǔ)數(shù)據(jù)。運(yùn)維類(lèi)數(shù)據(jù)，包括CMDB、服務(wù)調(diào)用鏈、工單、監(jiān)控、日志等運(yùn)維系統(tǒng)對(duì)接實(shí)現(xiàn)多源數(shù)據(jù)的匯聚及清洗，將數(shù)據(jù)整理形成層次化、結(jié)構(gòu)化一致數(shù)據(jù)。標(biāo)簽類(lèi)數(shù)據(jù)，可以提供“客戶(hù)號(hào)碼－標(biāo)簽－特征－偏好－畫(huà)像”數(shù)據(jù)，家庭寬帶、無(wú)線業(yè)務(wù)系統(tǒng)均可以提供領(lǐng)域感知數(shù)據(jù)。

（2）圖譜構(gòu)建層

圖譜構(gòu)建層提供圖譜結(jié)構(gòu)配置、構(gòu)建模型標(biāo)注、構(gòu)建模型訓(xùn)練、三元組生成、三元組審核、三元組發(fā)布等頁(yè)面工具。圖譜構(gòu)建層預(yù)置多個(gè)智能分析模型，實(shí)現(xiàn)文本分類(lèi)、實(shí)體識(shí)別、機(jī)器閱讀理解、文本聚類(lèi)、詞法/句法分析等自然語(yǔ)言能力遵循“模式設(shè)計(jì)→數(shù)據(jù)清洗→實(shí)體識(shí)別→關(guān)系識(shí)別→知識(shí)融合”的流程將數(shù)據(jù)層的非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為領(lǐng)域場(chǎng)景需要的圖譜實(shí)體及關(guān)系，生成三元組。

（3）圖譜存儲(chǔ)層

圖譜存儲(chǔ)層使用圖數(shù)據(jù)庫(kù)將構(gòu)建層生成的三元組進(jìn)行圖關(guān)系存儲(chǔ)，不同類(lèi)別的圖譜將分別單獨(dú)存儲(chǔ)。

（4）圖譜計(jì)算層

知識(shí)計(jì)算是基于已構(gòu)建的知識(shí)圖譜進(jìn)行能力輸出的過(guò)程，是知識(shí)圖譜能力輸出的主要方式。主要包括知識(shí)統(tǒng)計(jì)與圖挖掘、知識(shí)推理兩大部分內(nèi)容，知識(shí)統(tǒng)計(jì)與圖挖掘重點(diǎn)在于圖查詢(xún)、圖特征統(tǒng)計(jì)、關(guān)聯(lián)分析、異常檢測(cè)、預(yù)測(cè)推理等能力；知識(shí)推理重點(diǎn)研究的是基于圖譜的邏輯推理能力，主要包括知識(shí)搜索、知識(shí)推薦、智能補(bǔ)充、多跳推薦等能力。通過(guò)知識(shí)中心進(jìn)行對(duì)外能力封裝，為上層應(yīng)用提供能力支撐。

（5）應(yīng)用層

基于知識(shí)中心封裝的能力，通過(guò)運(yùn)維場(chǎng)景實(shí)現(xiàn)知識(shí)圖譜的落地，包括基于事件工單、故障單等歷史工單的分析，實(shí)現(xiàn)問(wèn)題的關(guān)聯(lián)分析并給出相應(yīng)的解決方案，提高運(yùn)維人員處理效率?；诟婢墓收细蚍治?，通過(guò)對(duì)歷史告警的分析結(jié)合資源關(guān)聯(lián)關(guān)系實(shí)現(xiàn)告警收斂及告警根因定位，縮短運(yùn)維人員告警處理時(shí)間，提高告警處理效率。基于資源關(guān)聯(lián)關(guān)系的實(shí)體關(guān)系分析，通過(guò)對(duì)已有資源關(guān)聯(lián)關(guān)系的分析，推導(dǎo)出新的實(shí)體關(guān)系，從而提高CMDB完整性與準(zhǔn)確性，為上層運(yùn)維應(yīng)用的建立奠定堅(jiān)實(shí)的基礎(chǔ)，以及面向業(yè)務(wù)和服務(wù)的應(yīng)用，包括智能問(wèn)答機(jī)器人、智能知識(shí)庫(kù)、智能工單分析、業(yè)務(wù)搜索引擎等。

2.3 知識(shí)圖譜應(yīng)用實(shí)例

電信運(yùn)營(yíng)商知識(shí)圖譜技術(shù)體系中，數(shù)據(jù)層是基礎(chǔ)數(shù)據(jù)的存儲(chǔ)、預(yù)處理，圖譜構(gòu)建層、圖譜存儲(chǔ)層、圖譜計(jì)算層主要針對(duì)基礎(chǔ)數(shù)據(jù)構(gòu)建圖譜結(jié)構(gòu)，而應(yīng)用層則面向具體業(yè)務(wù)場(chǎng)景進(jìn)行賦能，根據(jù)知識(shí)圖譜分類(lèi)的描述，主要分為智能問(wèn)答、工單分析、系統(tǒng)運(yùn)維和業(yè)務(wù)運(yùn)營(yíng)。以某大型電信運(yùn)營(yíng)商為例，目前具有示范意義的為 14個(gè)應(yīng)用實(shí)例，通過(guò)描述知識(shí)圖譜應(yīng)用實(shí)例的應(yīng)用場(chǎng)景、服務(wù)對(duì)象、功能、拓展前景，可以系統(tǒng)性地梳理知識(shí)圖譜從構(gòu)建，到應(yīng)用、服務(wù)、技術(shù)框架、算法的整體方案，知識(shí)圖譜應(yīng)用及技術(shù)架構(gòu)對(duì)應(yīng)關(guān)系如圖4所示。同時(shí)，知識(shí)圖譜應(yīng)用實(shí)例，是可回溯、可拓展的，當(dāng)前的知識(shí)圖譜技術(shù)方案，可以支撐問(wèn)答檢索類(lèi)、工單分析類(lèi)、業(yè)務(wù)運(yùn)營(yíng)類(lèi)、系統(tǒng)運(yùn)維類(lèi)的場(chǎng)景要求，未來(lái)可根據(jù)問(wèn)答、工單、運(yùn)維、業(yè)務(wù)的業(yè)務(wù)發(fā)展而不斷完善和更新，基于新的需求進(jìn)行實(shí)例擴(kuò)展，形成具有電信運(yùn)營(yíng)特色的一套知識(shí)圖譜生態(tài)循環(huán)體系。

圖4 電信運(yùn)營(yíng)商知識(shí)圖譜應(yīng)用及技術(shù)架構(gòu)對(duì)應(yīng)關(guān)系

電信運(yùn)營(yíng)商知識(shí)圖譜典型應(yīng)用實(shí)例如圖5所示，主要為以下內(nèi)容。

圖5 電信運(yùn)營(yíng)商知識(shí)圖譜典型應(yīng)用實(shí)例

（1）業(yè)務(wù)運(yùn)維知識(shí)圖譜

主要應(yīng)用于機(jī)器人智能應(yīng)答場(chǎng)景，在智慧化擬人問(wèn)答領(lǐng)域體現(xiàn)價(jià)值。通過(guò)對(duì)用戶(hù)問(wèn)題進(jìn)行分詞、長(zhǎng)句理解、語(yǔ)義解析，提取關(guān)鍵語(yǔ)義并與知識(shí)圖譜模板的匹配，獲取圖譜實(shí)體或?qū)傩詢(xún)?nèi)容。在圖數(shù)據(jù)庫(kù)查詢(xún)并完成消息整合后，以機(jī)器人形式與用戶(hù)進(jìn)行服務(wù)應(yīng)答，通過(guò)知識(shí)圖譜豐富的邏輯、關(guān)系能力提升機(jī)器人智能感知。

（2）行業(yè)知識(shí)圖譜

主要應(yīng)用場(chǎng)景為行業(yè)客戶(hù)智能服務(wù)，對(duì)行業(yè)數(shù)據(jù)進(jìn)行要素提取，并按照業(yè)務(wù)邏輯進(jìn)行關(guān)系生成及存儲(chǔ)，基于用戶(hù)咨詢(xún)歷史、工單處理記錄、企業(yè)運(yùn)營(yíng)信息等文本信息，提取關(guān)鍵語(yǔ)義、解決方案、問(wèn)題溯源、核心語(yǔ)義等內(nèi)容，賦能行業(yè)智能應(yīng)答系統(tǒng)進(jìn)行自服務(wù)、預(yù)服務(wù)，賦能知識(shí)庫(kù)系統(tǒng)進(jìn)行圖譜式語(yǔ)義搜索，賦能個(gè)性化推薦系統(tǒng)進(jìn)行智慧化服務(wù)推薦。

（3）工單分析知識(shí)圖譜

主要應(yīng)用于投訴工單智能分析場(chǎng)景。通過(guò)對(duì)工單內(nèi)容進(jìn)行實(shí)體提取和語(yǔ)義理解，并與知識(shí)圖譜模板的匹配，獲取解決方案合并后形成處理意見(jiàn)，自動(dòng)推送到工單處理人待辦進(jìn)行決策輔助，實(shí)現(xiàn)“人－機(jī)”協(xié)同的投訴工單的自動(dòng)分析、自動(dòng)處理、自動(dòng)回復(fù)。

（4）投訴溯源分析知識(shí)圖譜

應(yīng)用于工單分析和溯源。主要基于投訴歷史數(shù)據(jù)，引入語(yǔ)義分析、知識(shí)圖譜等人工智能技術(shù)，構(gòu)建投訴從產(chǎn)生到解決修復(fù)上線全程溯源分析能力，包括全過(guò)程溯源追蹤、投訴問(wèn)題根因溯源、投訴處理質(zhì)量問(wèn)題溯源分析等，輔助投訴處理及管理人員，提升投訴處理及壓降分析過(guò)程中的效率和質(zhì)量。

（5）監(jiān)控運(yùn)維動(dòng)態(tài)感知知識(shí)圖譜

從海量的日志、調(diào)用鏈、資源庫(kù)等眾多的信息中發(fā)現(xiàn)資源之間的圖譜關(guān)系，構(gòu)建運(yùn)維知識(shí)圖譜，當(dāng)系統(tǒng)發(fā)生故障時(shí)，利用運(yùn)維圖譜給運(yùn)維人員提供系統(tǒng)監(jiān)控工具，幫助維護(hù)人員進(jìn)行故障影響分析，并引入告警根因AI算法能力，實(shí)現(xiàn)業(yè)務(wù)、應(yīng)用、平臺(tái)三層告警根因推導(dǎo)，配合服務(wù)調(diào)用分析、日志分析、指標(biāo)異常檢測(cè)等智能化手段，實(shí)現(xiàn)問(wèn)題快速定位。

（6）告警關(guān)聯(lián)關(guān)系知識(shí)圖譜

通過(guò)對(duì)各類(lèi)數(shù)據(jù)的挖掘動(dòng)態(tài)構(gòu)建運(yùn)維圖譜，實(shí)現(xiàn)圖譜關(guān)系實(shí)時(shí)準(zhǔn)確，最終實(shí)現(xiàn)故障根因分析結(jié)果的推薦，可以輔助運(yùn)維人員快速定位及解決問(wèn)題，同時(shí)通過(guò)運(yùn)維人員對(duì)根因分析結(jié)果的不斷優(yōu)化，為運(yùn)維無(wú)人駕駛發(fā)展奠定了基礎(chǔ)。

（7）故障定位知識(shí)圖譜

應(yīng)用于 SRE（site reliability engineer）/運(yùn)維人員，通過(guò)結(jié)合領(lǐng)域相關(guān)知識(shí)，借助設(shè)備固有拓?fù)浣Y(jié)構(gòu)、應(yīng)用調(diào)用關(guān)系、歷史告警數(shù)據(jù)、性能數(shù)據(jù)、故障數(shù)據(jù)等梳理相關(guān)的實(shí)體、屬性、關(guān)系，利用自然語(yǔ)言處理、因果關(guān)系算法、路徑搜索算法等AI算法從文本告警信息映射為一條完整的根因鏈路，更好地為SRE/運(yùn)維人員提供指引，且具有更強(qiáng)的解釋性。

（8）故障處置知識(shí)圖譜

應(yīng)用于故障處理及系統(tǒng)運(yùn)維人員。通過(guò)對(duì)歷史故障處理方案的梳理及分析，沉淀專(zhuān)家經(jīng)驗(yàn)、故障分析報(bào)告內(nèi)容、梳理故障與處理預(yù)案之間的關(guān)系、處理預(yù)案之間的關(guān)系等，提煉通用化故障處理方案，建立決策中心，為一線運(yùn)維人員提供故障處理建議及可沉淀的處理作業(yè)預(yù)案，推動(dòng)故障的快速處置。

（9）資源快速溯源知識(shí)圖譜

通過(guò)對(duì)資源對(duì)象全生命周期的信息以及資源對(duì)象之間的關(guān)系（包括物理關(guān)系、邏輯關(guān)系和依賴(lài)關(guān)系）的梳理及分析，沉淀全局視角下的軟硬件知識(shí)圖譜，實(shí)現(xiàn)顯性及隱性關(guān)系的挖掘，助力一線運(yùn)維人員，幫助其對(duì)龐大體系下的復(fù)雜應(yīng)用和設(shè)備進(jìn)行管理和運(yùn)營(yíng)。

（10）資產(chǎn)優(yōu)化知識(shí)圖譜

通過(guò)對(duì)歷史資源使用情況進(jìn)行分析，沉淀資源對(duì)象與適配資源使用情況的關(guān)系，實(shí)現(xiàn)顯性及隱性關(guān)系的挖掘，助力一線運(yùn)維人員，幫助其在對(duì)不同資產(chǎn)資源的使用進(jìn)行管理和配置，對(duì)不同資源給出最優(yōu)的設(shè)備使用狀態(tài)建議，對(duì)低效資產(chǎn)進(jìn)行回收、對(duì)高使用資產(chǎn)進(jìn)行及時(shí)擴(kuò)容。

（11）權(quán)益推薦知識(shí)圖譜

應(yīng)用于電信運(yùn)營(yíng)商市場(chǎng)存量運(yùn)營(yíng)人員。針對(duì)電信運(yùn)營(yíng)商、互聯(lián)網(wǎng)行業(yè)重點(diǎn)推薦的權(quán)益優(yōu)惠、產(chǎn)品、營(yíng)銷(xiāo)活動(dòng)，提供最佳目標(biāo)客戶(hù)群，幫助存量運(yùn)營(yíng)人員自動(dòng)化獲取每名用戶(hù)針對(duì)每一種權(quán)益優(yōu)惠的推薦概率，并輸出到外呼營(yíng)銷(xiāo)、CRM（customer relationship management）彈窗、觸點(diǎn)營(yíng)銷(xiāo)、電子渠道營(yíng)銷(xiāo)等，進(jìn)行針對(duì)性業(yè)務(wù)推薦。

（12）預(yù)離網(wǎng)知識(shí)圖譜

應(yīng)用于潛在流失客戶(hù)智能看護(hù)場(chǎng)景，建立以用戶(hù)離網(wǎng)流失預(yù)警為目標(biāo)的客戶(hù)行為異動(dòng)識(shí)別看護(hù)系統(tǒng)，引入隨機(jī)森林、KNN（K-nearest neighbor）分類(lèi)算法和知識(shí)圖譜，通過(guò)對(duì)用戶(hù)每日行為監(jiān)控、異動(dòng)行為發(fā)現(xiàn)、流失用戶(hù)識(shí)別、運(yùn)營(yíng)結(jié)果回饋，形成客戶(hù)高危自識(shí)別、模型自?xún)?yōu)化、結(jié)果自呈現(xiàn)、運(yùn)營(yíng)自執(zhí)行的智慧看護(hù)系統(tǒng)。

（13）滿(mǎn)意度預(yù)測(cè)知識(shí)圖譜

用于挖掘潛在不滿(mǎn)意用戶(hù)，給予精準(zhǔn)維系和服務(wù)?；诖髷?shù)據(jù)標(biāo)簽進(jìn)行構(gòu)建，納入“原子－概念”生成算法實(shí)現(xiàn)語(yǔ)義延伸，在傳統(tǒng)大數(shù)據(jù)分析基礎(chǔ)上加入語(yǔ)義理解能力，構(gòu)建以用戶(hù)號(hào)碼節(jié)點(diǎn)為中心的服務(wù)分析圖譜，鏈接用戶(hù)服務(wù)評(píng)測(cè)結(jié)果（不滿(mǎn)意）、大數(shù)據(jù)標(biāo)簽、原因概念，并實(shí)現(xiàn)全量用戶(hù)潛在不滿(mǎn)意的推理，輸出用戶(hù)群進(jìn)行后續(xù)維系。

（14）騷擾電話(huà)識(shí)別知識(shí)圖譜

用于識(shí)別電信運(yùn)營(yíng)商網(wǎng)內(nèi)騷擾電話(huà)號(hào)碼，并進(jìn)行安全管控。將現(xiàn)全網(wǎng)手機(jī)用戶(hù)和大數(shù)據(jù)屬性標(biāo)簽作為輸入構(gòu)建騷擾電話(huà)識(shí)別知識(shí)圖譜，并利用緊密度算法構(gòu)建騷擾電話(huà)識(shí)別模塊，提供騷擾電話(huà)識(shí)別能力，對(duì)判定為騷擾電話(huà)的號(hào)碼進(jìn)行關(guān)停處置。

3 電信運(yùn)營(yíng)商知識(shí)圖譜功能與構(gòu)建

3.1 知識(shí)圖譜功能框架

電信運(yùn)營(yíng)商知識(shí)圖譜的功能框架主要體現(xiàn)在整體業(yè)務(wù)、服務(wù)、運(yùn)維、管理中，主要為文本類(lèi)應(yīng)用和分析類(lèi)應(yīng)用。對(duì)于文本類(lèi)，知識(shí)圖譜通過(guò)文本信息處理、概念提取和關(guān)系提取，實(shí)現(xiàn)面向信息檢索和智能應(yīng)答的能力輸出，其技術(shù)特點(diǎn)主要針對(duì)可讀文本數(shù)據(jù)的處理和網(wǎng)絡(luò)構(gòu)建。針對(duì)分析類(lèi)，知識(shí)圖譜重點(diǎn)從隱語(yǔ)義數(shù)據(jù)（大數(shù)據(jù)畫(huà)像、偏好、標(biāo)簽、主機(jī)、應(yīng)用、數(shù)據(jù)庫(kù)、監(jiān)控等）挖掘邏輯挖掘，針對(duì)業(yè)務(wù)推薦、根因分析、問(wèn)題溯源等提供認(rèn)知理解能力。

電信運(yùn)營(yíng)商知識(shí)圖譜的功能框架，可以描述各種與知識(shí)相關(guān)的實(shí)體和概念之間的關(guān)聯(lián)關(guān)系，從而更快捷準(zhǔn)確地進(jìn)行智能問(wèn)答和信息檢索。知識(shí)圖譜最常用的語(yǔ)義關(guān)系為“實(shí)體－關(guān)系－實(shí)體”與“實(shí)體－屬性－屬性值”，電信客戶(hù)服務(wù)領(lǐng)域存在各種復(fù)雜異常、故障、事件，知識(shí)圖譜是描述其內(nèi)在聯(lián)系的最佳載體。知識(shí)圖譜是將知識(shí)實(shí)體之間的關(guān)系和邏輯進(jìn)行圖形化展示的語(yǔ)義網(wǎng)絡(luò)，作為中臺(tái)核心組件，為客戶(hù)服務(wù)域的知識(shí)庫(kù)輸出邏輯搜索能力，為智能機(jī)器人輸出智慧應(yīng)答能力，為工單處理輸出自動(dòng)回復(fù)能力。為 CRM/BOSS（business & operation support system）等營(yíng)業(yè)前端，提供業(yè)務(wù)/服務(wù)/數(shù)據(jù)/事件之間復(fù)雜關(guān)系的結(jié)構(gòu)化輸出，串聯(lián)運(yùn)營(yíng)與運(yùn)維，為運(yùn)營(yíng)商業(yè)務(wù)、服務(wù)、營(yíng)銷(xiāo)、運(yùn)維等全量場(chǎng)景提供圖譜化的實(shí)體邏輯支撐，驅(qū)動(dòng)業(yè)務(wù)服務(wù)一體化，服務(wù)支撐智能化，海量數(shù)據(jù)處理自動(dòng)化。

電信運(yùn)營(yíng)商知識(shí)圖譜功能框架如圖6所示，可以用于經(jīng)營(yíng)決策、客戶(hù)服務(wù)的分析并具備理解和解釋能力，從而在電信領(lǐng)域的認(rèn)知理解、數(shù)據(jù)分析、決策支持領(lǐng)域進(jìn)行能力輸出。一方面通過(guò)建立從數(shù)據(jù)到認(rèn)知圖譜中實(shí)體、概念、關(guān)系的映射，讓機(jī)器理解數(shù)據(jù)的本質(zhì)；另一方面利用認(rèn)知圖譜中實(shí)體、概念和關(guān)系解釋現(xiàn)實(shí)世界中的事物和現(xiàn)象，讓機(jī)器解釋現(xiàn)象的本質(zhì)。以市場(chǎng)領(lǐng)域的存量運(yùn)營(yíng)為例，基于目前大數(shù)據(jù)標(biāo)簽庫(kù)、歷史投訴工單、業(yè)務(wù)管理文檔等基礎(chǔ)能力和數(shù)據(jù)，打造面向存量運(yùn)營(yíng)“場(chǎng)景”的認(rèn)知網(wǎng)絡(luò)，包含面向運(yùn)營(yíng)場(chǎng)景的概念層（概念標(biāo)簽）、原子層（原子標(biāo)簽）、分層理論庫(kù)（基于原子屬性分層鏈接實(shí)體）、運(yùn)營(yíng)策略庫(kù)（面向場(chǎng)景的維系、推薦、服務(wù)策略）提升運(yùn)營(yíng)推薦的精準(zhǔn)度，并面向“客戶(hù)需求”提供可理解、可解釋的運(yùn)營(yíng)策略。

圖6 電信運(yùn)營(yíng)商知識(shí)圖譜功能框架

3.2 知識(shí)圖譜構(gòu)建方法

電信運(yùn)營(yíng)商知識(shí)圖譜構(gòu)建遵循自底向上的邏輯，通過(guò)從業(yè)務(wù)數(shù)據(jù)域、基礎(chǔ)數(shù)據(jù)域、應(yīng)用渠道域等獲取海量非結(jié)構(gòu)化數(shù)據(jù)，進(jìn)行數(shù)據(jù)清洗和語(yǔ)義分析，并輔以原子化知識(shí)庫(kù)中的固有內(nèi)容，以無(wú)監(jiān)督/有監(jiān)督兩種模式自動(dòng)構(gòu)建面向移動(dòng)業(yè)務(wù)服務(wù)的知識(shí)圖譜，針對(duì)運(yùn)營(yíng)商復(fù)雜的投訴和異常場(chǎng)景提出針對(duì)性解決方案。

構(gòu)建知識(shí)圖譜的步驟分為模式設(shè)計(jì)、數(shù)據(jù)清洗、實(shí)體識(shí)別、關(guān)系識(shí)別以及知識(shí)融合。

（1）模式設(shè)計(jì)

模式是知識(shí)圖譜的概念模型和邏輯基礎(chǔ), 借助實(shí)體關(guān)系的規(guī)則定義，約束知識(shí)圖譜的數(shù)據(jù)。模式設(shè)計(jì)是知識(shí)圖譜構(gòu)建的基礎(chǔ)，基于現(xiàn)有事件單、投訴單、異常單、客戶(hù)畫(huà)像、網(wǎng)絡(luò)數(shù)據(jù)，設(shè)計(jì)一套圖譜自動(dòng)抽取的框架，以運(yùn)維為例面向故障的模式包括故障內(nèi)容描述、故障原因、故障解決方案、故障歸屬、故障詳細(xì)描述、故障發(fā)生地點(diǎn)、客戶(hù)號(hào)碼、客戶(hù)資費(fèi)、關(guān)聯(lián)需求等。

（2）數(shù)據(jù)清洗

基于事件單、異常單、運(yùn)維總結(jié)報(bào)告及運(yùn)營(yíng)商領(lǐng)域?qū)I(yè)詞匯進(jìn)行數(shù)據(jù)清洗，得到含有相關(guān)語(yǔ)義信息的文本內(nèi)容，用作后續(xù)文本語(yǔ)義分析的基礎(chǔ)。待清洗數(shù)據(jù)包括規(guī)范化的工單數(shù)據(jù)、報(bào)告數(shù)據(jù)，也包括非結(jié)構(gòu)化的日志數(shù)據(jù)、問(wèn)答數(shù)據(jù)，數(shù)據(jù)清洗質(zhì)量直接關(guān)系到模型的訓(xùn)練精度。

（3）實(shí)體識(shí)別

實(shí)體識(shí)別是知識(shí)圖譜語(yǔ)義分析的關(guān)鍵。采用機(jī)器學(xué)習(xí)技術(shù)自動(dòng)或半自動(dòng)地從多源數(shù)據(jù)中提取知識(shí)圖譜的實(shí)體、關(guān)系、屬性等要素。知識(shí)抽取包含實(shí)體抽取、關(guān)系抽取和屬性抽取。

實(shí)體識(shí)別的工具是 LSTM（long-short term memory）+CRF（conditional random field），通過(guò)LSTM網(wǎng)絡(luò)的處理，得到了輸入數(shù)據(jù)的表示方法，在輸出端將softmax與CRF結(jié)合起來(lái)，使用LSTM解決提取序列特征的問(wèn)題，使用CRF有效利用了句子級(jí)別的標(biāo)記信息。

（4）關(guān)系識(shí)別

關(guān)系識(shí)別是對(duì)非結(jié)構(gòu)化文檔處理的重要環(huán)節(jié)，自然語(yǔ)言中對(duì)事件的描述往往會(huì)以多個(gè)子句的形式存在，且多句之間具有相關(guān)性，關(guān)系識(shí)別需要對(duì)投訴工單數(shù)據(jù)的上下文，進(jìn)行依存句法相關(guān)性分析，從而找出實(shí)體間存在哪種關(guān)系，以及關(guān)系周邊的實(shí)體分別是什么，例如運(yùn)維場(chǎng)景中“A導(dǎo)致了B”“C的故障原因是D”“E的變更產(chǎn)生了F現(xiàn)象”，面向運(yùn)維場(chǎng)景的關(guān)系識(shí)別是構(gòu)建RDF（resource description framework）三元組的基礎(chǔ)。

（5）知識(shí)融合

知識(shí)圖譜在進(jìn)行知識(shí)抽取時(shí)所使用的數(shù)據(jù)源是多樣化的，存在知識(shí)重復(fù)、知識(shí)間關(guān)系不明確等問(wèn)題。知識(shí)融合可消除實(shí)體、關(guān)系、屬性等與事實(shí)對(duì)象間的歧義， 使不同來(lái)源的知識(shí)能夠得到規(guī)范化整合。為了讓運(yùn)維知識(shí)圖譜內(nèi)容在客服領(lǐng)域具備通用性，本文對(duì)抽取出的三元組內(nèi)容進(jìn)行二次分析，將根據(jù)詞性及依存句法抽取出的實(shí)體進(jìn)行聚類(lèi)，將涉及同類(lèi)內(nèi)容的實(shí)體進(jìn)行融合，組成完整語(yǔ)義的回復(fù)答案，反饋到知識(shí)庫(kù)及機(jī)器人前端。

3.3 知識(shí)圖譜技術(shù)方法及參數(shù)

知識(shí)圖譜構(gòu)建過(guò)程中應(yīng)用的人工智能技術(shù)算法，主要包括以下3種。

? 實(shí)體識(shí)別：長(zhǎng)文本分詞算法、層次聚類(lèi)算法、Bi-LSTM算法、CRF算法。

? 關(guān)系識(shí)別：詞法&依存句法分析，Bert模型（大規(guī)模預(yù)訓(xùn)練網(wǎng)絡(luò)）。

? 知識(shí)融合：相關(guān)性分析算法，相似度計(jì)算方法。

知識(shí)圖譜構(gòu)建后，以接口方式對(duì)應(yīng)用賦能，具體輸入輸出數(shù)據(jù)如下。

（1）輸入數(shù)據(jù)

在訓(xùn)練過(guò)程中，輸入主要為投訴處理工單、用戶(hù)問(wèn)題記錄等信息，需要包括關(guān)鍵信息：故障內(nèi)容描述、故障原因、故障解決方案、工單工作、工單處理人、投訴類(lèi)別、關(guān)聯(lián)問(wèn)題單、需求單等。在應(yīng)用過(guò)程中，輸入為客戶(hù)的一種問(wèn)題表述“故障現(xiàn)象”，待獲取對(duì)應(yīng)的“故障原因”“問(wèn)題解決方案”或工單下一步動(dòng)作、處理人等信息。

知識(shí)圖譜訓(xùn)練數(shù)據(jù)以 RDF方式存入關(guān)系數(shù)據(jù)庫(kù)，即Neo4j。

（2）輸出數(shù)據(jù)

根據(jù)輸入的問(wèn)題，在知識(shí)圖譜關(guān)系數(shù)據(jù)庫(kù)Neo4j中查詢(xún)對(duì)應(yīng)的故障原因、解決方案、下一步動(dòng)作、處理人信息，反饋到請(qǐng)求方。

4 電信運(yùn)營(yíng)商知識(shí)圖譜演進(jìn)發(fā)展

電信運(yùn)營(yíng)商知識(shí)圖譜技術(shù)體系，是基于實(shí)際需求總結(jié)歸納的符合電信特色的知識(shí)圖譜應(yīng)用、實(shí)例、系統(tǒng)建設(shè)運(yùn)營(yíng)方法理論，實(shí)現(xiàn)對(duì)內(nèi)外部業(yè)務(wù)的支撐發(fā)展。其演進(jìn)主要分為 3個(gè)階段：探索實(shí)踐階段、優(yōu)化提升階段和中臺(tái)賦能階段，以集中化和能力分享兩種方式持續(xù)推進(jìn)，前期由技術(shù)先進(jìn)、運(yùn)營(yíng)經(jīng)驗(yàn)豐富的省專(zhuān)公司進(jìn)行重點(diǎn)知識(shí)圖譜實(shí)例建設(shè)，并在業(yè)務(wù)場(chǎng)景產(chǎn)生實(shí)際效果，后期以集中化方式進(jìn)行全網(wǎng)知識(shí)圖譜能力聚合、資源集約化、承接全網(wǎng)集中化知識(shí)圖譜應(yīng)用需求。

4.1 探索實(shí)踐階段

面向智能應(yīng)答、工單分析、系統(tǒng)運(yùn)維、業(yè)務(wù)運(yùn)營(yíng)等領(lǐng)域的重點(diǎn)需求場(chǎng)景，研究知識(shí)圖譜的構(gòu)建、訓(xùn)練和推理技術(shù)方法，并實(shí)現(xiàn)基本功能實(shí)現(xiàn)和能力輸出；形成數(shù)據(jù)標(biāo)注、知識(shí)圖譜體系搭建、知識(shí)迭代優(yōu)化和協(xié)同運(yùn)營(yíng)等運(yùn)營(yíng)流程，結(jié)合場(chǎng)景化需要，實(shí)現(xiàn)“人－機(jī)”協(xié)同運(yùn)營(yíng)；針對(duì)智能應(yīng)答、工單分析、系統(tǒng)運(yùn)維、業(yè)務(wù)運(yùn)營(yíng)四大場(chǎng)景，啟動(dòng)一系列知識(shí)圖譜實(shí)例的研究，完成解決方案規(guī)劃、數(shù)據(jù)準(zhǔn)備和模式設(shè)計(jì)，并實(shí)現(xiàn)重點(diǎn)急需實(shí)例的建設(shè)，如業(yè)務(wù)運(yùn)維、工單分析、故障定位等，完成統(tǒng)一的知識(shí)圖譜指導(dǎo)白皮書(shū)。

4.2 優(yōu)化提升階段

面向文本數(shù)據(jù)、標(biāo)簽數(shù)據(jù)、運(yùn)維數(shù)據(jù)等，完成一系列個(gè)性化知識(shí)圖譜技術(shù)方案，如結(jié)合機(jī)器閱讀、實(shí)體識(shí)別、關(guān)系識(shí)別、摘要提取、鏈路預(yù)測(cè)等機(jī)器學(xué)習(xí)模型的知識(shí)圖譜技術(shù)方法，以解決方案方式完成需求，并將不同模式的知識(shí)圖譜歸納總結(jié)、體系化；形成成熟的業(yè)務(wù)人員、技術(shù)人員協(xié)同的知識(shí)圖譜運(yùn)營(yíng)體系，在關(guān)鍵語(yǔ)料庫(kù)梳理、文本匹配、文本分類(lèi)標(biāo)注等方面不斷融合協(xié)同，形成成熟的迭代運(yùn)營(yíng)團(tuán)隊(duì)；以知識(shí)圖譜實(shí)例建設(shè)成果為基礎(chǔ)，形成較完善的知識(shí)圖譜知識(shí)體系、算法體系和方案體系，在業(yè)務(wù)運(yùn)營(yíng)、服務(wù)運(yùn)營(yíng)、系統(tǒng)運(yùn)維和問(wèn)答檢索場(chǎng)景中產(chǎn)生效果，并探索知識(shí)圖譜集中化建設(shè)賦能的可行性，指導(dǎo)全行業(yè)以自建或者集中化復(fù)用方式，廣泛開(kāi)展知識(shí)圖譜實(shí)踐工作。

4.3 中臺(tái)賦能階段

梳理架構(gòu)實(shí)現(xiàn)中臺(tái)化管理，統(tǒng)一的運(yùn)維知識(shí)、業(yè)務(wù)知識(shí)、大數(shù)據(jù)特征知識(shí)等，以中臺(tái)組織方式實(shí)現(xiàn)集中化知識(shí)管理，并完成基礎(chǔ)框架建設(shè)，總體資源集約、運(yùn)行高效，AI與業(yè)務(wù)形成合力；探索知識(shí)圖譜集中化賦能的“集團(tuán)－省”兩級(jí)協(xié)同模式，逐步擴(kuò)大知識(shí)運(yùn)營(yíng)范圍和賦能范圍；建立完備的運(yùn)營(yíng)體系，通過(guò)內(nèi)外部運(yùn)營(yíng)需求拉動(dòng)能力運(yùn)營(yíng)，賦能業(yè)務(wù)高質(zhì)量發(fā)展；知識(shí)圖譜中臺(tái)能力歸納、收斂、匯聚，形成若干通用知識(shí)圖譜實(shí)例能力，沉淀的共性能力比較豐富，廣泛發(fā)揮注智賦能作用。同時(shí)，支持各省屬地化需求進(jìn)行能力拓展和靈活調(diào)度。

5 結(jié)束語(yǔ)

本文主要介紹了面向電信運(yùn)營(yíng)商的知識(shí)圖譜技術(shù)體系及應(yīng)用實(shí)踐方法，通過(guò)研究知識(shí)圖譜架構(gòu)、分類(lèi)、技術(shù)、服務(wù)對(duì)象、應(yīng)用場(chǎng)景、生態(tài)循環(huán)解決方案等內(nèi)容，結(jié)合現(xiàn)有優(yōu)秀案例經(jīng)驗(yàn)，打造了面向外部客戶(hù)以及內(nèi)部運(yùn)維人員的知識(shí)圖譜應(yīng)用實(shí)例，包括面向外部客戶(hù)的權(quán)益推薦、預(yù)離網(wǎng)分析、滿(mǎn)意度預(yù)測(cè)知識(shí)圖譜，面向內(nèi)部業(yè)務(wù)人員的騷擾電話(huà)識(shí)別知識(shí)圖譜，面向內(nèi)部運(yùn)維人員的工單分析、投訴溯源分析、監(jiān)控運(yùn)維態(tài)勢(shì)感知、告警關(guān)聯(lián)關(guān)系、故障定位、故障處置、資源快速溯源CMDB、資產(chǎn)優(yōu)化知識(shí)圖譜，以及面向內(nèi)部和外部用戶(hù)共用的業(yè)務(wù)運(yùn)維、行業(yè)知識(shí)圖譜，并將知識(shí)圖譜服務(wù)于智能問(wèn)答、日常的運(yùn)營(yíng)分析、工單處理流程、系統(tǒng)運(yùn)維等，體現(xiàn)了知識(shí)圖譜技術(shù)的價(jià)值。

未來(lái)，在知識(shí)圖譜完整體系搭建完成后，可服務(wù)的電信行業(yè)應(yīng)用形態(tài)、服務(wù)時(shí)采用的具體技術(shù)手段均是需要探索的課題，例如在智能問(wèn)答、智能客服、智能運(yùn)維、知識(shí)搜索等系統(tǒng)進(jìn)行交互時(shí)，知識(shí)數(shù)據(jù)存放位置、訓(xùn)練數(shù)據(jù)預(yù)處理方法、調(diào)用算法和模型方法等。同時(shí)，電信運(yùn)營(yíng)商知識(shí)圖譜生態(tài)循環(huán)如何演進(jìn)也是需要研究的問(wèn)題，知識(shí)圖譜構(gòu)建后需隨著業(yè)務(wù)、管理的不斷更新而迭代優(yōu)化，系統(tǒng)架構(gòu)、知識(shí)關(guān)系也需變化，需要確保知識(shí)圖譜的生態(tài)化演講方式，降低對(duì)專(zhuān)家經(jīng)驗(yàn)的依賴(lài)，真正建立知識(shí)的時(shí)效性、關(guān)聯(lián)性、服務(wù)性、共享性的一體化循環(huán)迭代方案，提升系統(tǒng)的運(yùn)營(yíng)體驗(yàn)，以知識(shí)圖譜技術(shù)賦能運(yùn)營(yíng)管理頂層設(shè)計(jì)，成為數(shù)字化變革的新引擎。