十亿网民近八成都在用搜索，智能搜索对企业的价值有多大？

近日，中国互联网络信息中心发布了第48次《中国互联网络发展状况统计报告》，报告显示，截至2021年6月，我国网民总体规模超过10亿，形成了全球最为庞大、生机勃勃的数字社会。在报告中，搜索作为基础应用类应用被单独列出分析，截至 2021 年 6 月，我国搜索引擎用户规模达 7.95 亿，较 2020 年 12 月增长 2567 万， 占网民整体的 78.7%。

搜索是最符合人性的信息获取方式，在众多功能和信息层级中如何快速定位到目标，搜索是最便捷的方式，因而搜索的重要性不言而喻。几乎各行业的企业都在努力建设自己平台的搜索功能，电商的搜索是商品入口，媒体的搜索是资讯入口，企业知识库的搜索是知识入口......好的搜索势必会为企业带来巨大收益，对外可以提升用户体验，对内可以提升员工效率。然而，真正智慧的搜索却并不多，“人工智能正逐步从感知智能迈入认知智能时代”，搜索同样需要改变传统模式，实现升级。所谓“感知智能”，就是获取信息的能力，类比到人类，我们可以通过视觉、触觉、听觉等去感知这个世界。而“认知智能”是人工智能技术发展的高级阶段，旨在赋予机器数据理解、知识表达、逻辑推理、自主学习的能力，使机器能够拥有类似人类的智慧，其实就是大脑的思考能力。

从感知到认知，是一种飞跃性的突破。认知智能的实现离不开知识图谱和自然语言处理技术的支撑。知识图谱富含实体、概念、属性、关系等复杂信息，帮助机器形成自己的知识体系（世界观）。自然语言处理技术提高非结构化的语义理解与推理的可解释性，实现基于自然语言理解的认知智能。可以类比一下人类说话的过程，保证内容的正确、合理靠的是知识，保证表达的清晰流畅靠的是语言，比如“中国的首都是北京”这句话的输出需要两方面的支撑，首先你得具有“中国和北京的关系”的知识，然后能把这一知识表达出来还需要语言能力。

但是需要注意的是，知识图谱和NLP并不是两个完全孤立的概念，知识图谱本身就是在NLP的基础上发展而来。知识图谱除了为机器提供知识架构外，也为自然语言处理技术赋能，因为形成知识图谱的过程实际上就是加工信息、建立认知、理解所应用的领域的过程，有了知识图谱的加成，机器对语义的理解也会更加准确。

虎博的智能搜索中台实现了NLP算法平台和知识图谱平台的融合。NLP算法平台采用信息抽取、知识提炼技术，挖掘数据中的信息价值。知识图谱平台自上而下定义统一知识表示，构建面向应用的知识模型。

虎博智能搜索问答中台的一大优势在于能够理解搜索意图，实现语义搜索，而这也正体现了“认知智能”。

语义搜索是指搜索引擎的工作不再拘泥于用户所输入请求语句的字面本身，而是透过现象看本质，准确地捕捉到用户所输入语句后面的真正意图，并以此来进行搜索，从而更准确地向用户返回最符合其需求的搜索结果。与之相对应的是关键词搜索，就像字面意思那样，关键词搜索仅仅根据用户提供的关键词查询信息，只有当信息中包含关键词时才能被检索到，同义词或相关词等却不能被检索到。关键词搜索又可分为精确搜索和模糊搜索。我们通过一个具体的例子来更加直观地理解一下它们的区别。

输入“三点水加个金”

精确搜索：只能搜到包含“三点水加个金”这一整句的信息。

（点击查看大图）

模糊搜索：对输入的关键词进行一定拆分，比如分成“三点水”和“金”，那么最终的信息只要含有“三点水”或“金”就行了，而不是“三点水加个金”这一整句，这样获取的信息更多了，但是更多的是无关信息，比如下图中“金朝”与搜索的意图离得太远了。

（点击查看大图）

语义搜索：能够理解用户的意图是想知道“三点水加个金”是什么字，并最终给出精准答案。

（点击查看大图）

依托MasterMind核心系统，虎博智能搜索问答可为用户查询口语化表达提供语义理解，结合行业知识图谱，提升搜索准确性和用户体验。

主要通过以下三步实现：

第一步，NLP对这一口语化的句子进行处理，理解句子的含义。第二步，NL2SQL(Natural Language to SQL)， 将自然语言转为SQL语句，类似于翻译的作用，便于从数据库中寻找答案。第三步，形成精准答案，索引→文档召回→评价精排→索引构建（自动摘要、数据溯源、关键字高亮）→聚合页面。语义搜索其实需要实现两个层面上的语义理解，一是理解用户的意图，二是理解众多信息的含义，也就是既要知道问的是什么，还要知道怎么答，这样最终就能实现所搜即所想，甚至所搜超所想。