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头条广告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，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、天猫精灵智能音箱等创新应用。

　　UC头条广告投放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。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头条推广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。