基于知识图谱的智能问答

基于知识图谱的相关应用大致可以分为搜索、问答、决策、推荐等几种常见的类别，对于知识图谱的理解，可以参考之前的文章《三个角度理解知识图谱》，本文主要就年初规划的xx智能问答建设方案，介绍一下基于知识图谱的智能问答，主要分为如下几个方面：

1、人机对话体系结构

2、问答产品知识结构

3、典型的智能问答产品

4、智能问答的关键技术

5、基于知识图谱的智能问答

 

1、人机对话体系结构

对于一个基于人机对话的问答系统，主要包括唤醒、识别、理解、反馈四个过程，其中语音唤醒、语音识别、自然语言生成以及语音合成是为用户的语音体验服务的，而问答的核心部分是对问题进行理解，并给出相应的答案，主要涉及到语言理解、语义搜索、知识图谱、情感分析、对话管理以及深度问答等。对于不同的问答系统可以对该体系中的相关部分进行增删和修改，或看成一个由简单到完善的发展过程。比如，对于xx问答系统，在初期阶段，可能做不到语音问答的形式，那么，重点就应该落在理解这个部分，以实现初步的文本识别、文本理解和文本回答。

 

2、问答产品知识结构

问答类产品的主要目标是输入问题，获得答案。从问题的类型上可以分为事实类/非事实类，不同类型的处理方式以及技术难度都存在一定差异。在问答形式上可以分为单轮问答、多轮以及聊天式的情感互动，其中单轮问答相对简单，多轮问答以及情感互动还处于较为初级的发展阶段。对于问答系统的实现方式也有多种，对技术需求也不尽相同，要根据具体的需求具体规划。

3、典型的智能问答产品

• 苹果 Siri

Siri 作为 iPhone 4S 推出时的一个亮点特征，定位是语音个人助理。在推出之时，引起了极大的轰动。虽然这么多年 Siri 的技术也不断提升，但他更大的价值是作为聊天机器人之门开启的开门砖，教育了用户和市场。回到刚刚的分类，Siri 其实是一个面向特定任务的对话系统。对接了很多本地服务如通讯录、音乐播放等以及 Web 服务如订餐、订票和导航等功能服务。针对这些服务意图，他通过实体驱动的自然语言理解（Natural LanguageUnderstanding, NLU）来识别问句中涉及到的对象和相关服务，从而实现特定任务下的多轮功能交互。对于解决不了的问题，即服务意图范畴外的需求，则直接调用搜索引擎返回相关答案来返回。随后，Siri 的核心人员 Dag Kittlaus 和 Adam Cheyer 于 2016 年推出了 Viv。Viv 被认为是 Siri 的升级版，虽然其在多服务组合，服务编排等方面做了不少亮点工作，但背后的基本原理和定位和