I. 知识图谱 应用案例 --- 阿里巴巴电商知识图谱

I. 知识图谱 应用案例 — 阿里巴巴电商知识图谱

概述

• 通用知识图谱：实体之间的客观存在的关系
• 常识知识图谱：概念之间的常识关系
  • 什么是常识
    • 社会对同一事物普遍存在的日常和普遍共识
    • 常识关系是隐藏在背后的知识，不会明确的说出来
    • 常识让我们可以体会言外之意
    • 大多数尝试都是隐性的，这使得常识很难明确表达出来
    • 常识关系的两个极端“你说的对”VS “这还用你说”
    • 常识是通过人的行为、听、学一点一点积累起来的
    • 计算机肯定不知道的知识
  • 什么是电商常识
    • 在电商域，社会对同一事物普遍存在的日常和普遍共识
  • 什么是电商知识图谱
    • 以三元组<S,P,Q>结构化表示的电商概念间的常识关系
    • 例如
      • 连衣裙 品类是一种品装 女装
      • 高跟鞋 品类适用人群 女性
      • 羽绒服 品类蕴涵功能 保暖
• 为什么做电商图谱
  • 深入理解用户想要什么样的商品
  • 深入理解品类涉及到的各类信息
  • 对用户需求和商品做桥接
  • 从感知智能到认知智能重要途径
    • 帮助机器实现理解、解释、推理能力
    • 是认知智能的底层支撑
• 为什么做电商知识图谱
  • 通用图谱的关系数据大多是实体间的关系
  • 电商关系主要是概念间的关系
  • 概念间的关系建模较难
  • 常识，或者说确定性才是可以直接使用的知识，如
    • 连衣裙 品类适用人群 女性
    • 连衣裙 品类蕴涵颜色 黑色
• 与外部常识图谱区别
  • 高准确性：以电商认知图谱为约束，覆盖更多的、高准的电商底层词库，苟安知识的准确率更高
  • 细粒度
    • 定义了细粒度的尝试关系
    • 品类适用人群
  • 广泛性
    • 与电商有关的、重点的尝试关系都定义
  • 侧重性：根据应用的优先级进行重点挖掘

规模

• 电商本体分类非常细
  • 共几千分类
    • 品类下几千分类
    • 无形物下几百分类，属性相关类
• 常识知识图谱：选择了 37 种电商本体作为常识知识图谱的基础类型

常识知识图谱模型

• 等义
  • 品类等义定义：尿不湿&纸尿片、宝宝秤&婴儿秤
  • 人群等义定于：高个子&大个子、青年&年轻人
• 别名
  • 品类别名品类：A型裙&A字裙&A裙
  • 人群别名人群：丈母娘&丈母&岳母
• 互斥
  • 品类互斥品类：火锅&蒸锅、拖鞋&运动鞋
  • 人群互斥人群：老爸&爷爷、胖人&瘦小
• 是一种
  • 品类是一种品类：主题T恤&T恤、主卧床&床
  • 人群是一种人群：高二孩子&高中生、高中生&学生党
• 是一部分
  • 品类是品类的一部分：锯条&锯子、被芯&被子
  • 人群是人群的一部分：妈妈&爸妈、爸爸&爸妈
• 反义
  • 品类反义品类：大盆景&小盆景、高帮鞋&低帮鞋
  • 人群是人群一部分：胖妹妹&廋女生、老年人&年轻人
• 适用
  • 品类适用人群：吸奶器&产妇、须后水&男式
  • 品类适用场景：瘦身精油&减肥、食用油&烹饪
• 不适用
  • 款式不适用时间：冬款&夏季、加厚型&夏季
• 需要
  • 人群需要品类：男式&须后水、小学生&铅笔
  • 场景需要品类：烹饪&食用油、垂钓&鱼竿
• 不需要
  • 时间不需要款式：夏季&加厚型、夏季&冬款
• 生产
  • 地点特产品类：黑龙江&五常米、辽宁&南果梨
• 蕴含
  • 人群蕴含场景：高中&高考、新娘&敬酒
  • 款式蕴含功能：一字肩&漏锁骨、中长款&防晒黑
• 不蕴含
  • 人群不蕴含场景：高中&考博
• 所属
  • 款式所属品类：低胸&长裙、低帮&皮鞋
• 发生在
  • 节日节气发生在时间：七夕&七月、中秋&八月
  • 气象状态发生在时间：严寒&冬季、炙热&夏季
• 是配件
  • 品类是品类配件：手机壳&手机
• 近义
  • 品类近义品类：厨具刀&切菜刀
• 搭配
  • 品类搭配品类：连衣裙&高跟鞋
• 对应
  • 人群对应时间：新郎&婚礼

应用

• 常识一般分为13个维度
  • 电商常识图谱覆盖其中十个维度
    • 相似
    • 区别
    • 分类
    • 部分-整体
    • 空间
    • 创造
    • 效用
    • 需要
    • 特性
    • 其他
  • 未覆盖
    • 词汇：词根、单复数等，中文不存在
    • 比较：x 比 y 大
    • 时序：吃饭需要先张嘴