云栖大会UC解密知识图谱构建，探索平台模式服务多端场景

9月22日，在2018云栖大会知识图谱专场，阿里巴巴文化娱乐集团UC神马搜索高级算法专家华能威发表演讲，展示了UC神马基于搜索和阿里生态大数据，构建全覆盖、高质量的通用域知识图谱，并成功应用到搜索和天猫精灵智能音箱，与业务方共同打造业界领先的问答系统，神马搜索开户同时分享了在面向多端的自主式构建方向的探索和思考。

　　据介绍，基于内外域海量数据，以及多样化业务的长期打磨和沉淀，阿里巴巴构建了全球最大知识图谱。其中，神马搜索通用域知识图谱从2015年第一版上线，2016年开始大规模应用于搜索，2017年服务信息流，2017年至今，重点服务对话机器人、神马搜索广告投放天猫精灵智能音箱等创新应用。

　　UC神马构建通用知识图谱时侧重在核心抽象实体的建设，包括人物、地点、组织机构、影视作品、3C、软件游戏等。数据来源则包括海量的互联网网页库、百科、搜索合作CP等，这些数据每天都在不断更新，通过知识图谱构建的技术，源源不断地整合到知识图谱中。

　　目前，基于搜索和阿里生态数据，UC神马构建了强大的通用域知识图谱，包括人物、地点、组织机构和概念等5000万个实体，28亿个实体之间的关联关系，涵盖90个领域的1600多个类型。这背后是神马长期积累的技术优势。

　　华能威表示，神马知识图谱主要技术点和优势在于非结构化文本的知识提取，大规模知识融合，以及实体识别与链接。神马搜索推广以针对全网页面的自动知识提取技术、多源异构数据融合方法、基于搜索数据的深度命名实体识别技术，辅助解决自然语言处理、信息的组织和智能服务两大问题。

　　当用户搜索时直接提供信息、答案和相关实体推荐，而其中的问答能力还可以进一步服务智能对话。在不久前的淘宝造物节上，天猫精灵的“奇声实验室”火爆全场。依靠丰富的知识图谱，天猫精灵完成与用户之间的百科问答、聊天等实时互动，展现出行业第一的服务达成能力，其背后正是UC神马基于知识图谱能力和搜索大数据，打造了业界领先的问答系统。

　　在音箱场景下，人与机器通过语音做自然语言交互，需要更精准地理解查询语义、内容，同时对于答案的权威度、可读性都有更高的要求。这个需求和知识图谱是非常契合的。目前，开放领域问答仍然面临两大难题，一方面是长尾知识的获取、表示，问题的理解和解析，另一难点是大多数问题需要大段文本来做解答，仅仅基于实体和关系是不够的。

　　华能威介绍，神马建设综合多种数据和技术、面向对话场景的开放域问答系统，既有直接基于知识图谱的问答，这部分和搜索中的知识图谱问答类似，不同之处在于加强口语化query解析，以及对答案做NLG，也有基于搜索大数据的检索式问答，这部分知识图谱更多地在文本理解方面发挥作用，包括问题理解、答案抽取和摘要。

　　随着通用知识图谱业务范围越来越广，需求越来越多，而阿里生态中有不同领域和场景下的知识图谱。华能威表示，UC神马正在积极探索更加灵活、高效的构建方式，来支撑复杂多变的业务需求，打通多领域的数据。通过数据的开放，算法能力的开放，建立数据之间的关联，和各个业务方向共同建立一种数据交换、数据共享和数据增值的新模式，最终更好地为业务和行业赋能。