知识图谱01

知识图谱

1、领域

1. 垂直领域：某个领域如医疗诊断、工程机械、金融
2. 开发领域：多个垂直领域

2、问答系统

客服机器人

1. 闲聊型：微软的小冰
2. 任务型：客服机器人

对话

1. 单轮对话
2. 多轮对话
3. 检索式问答

模型

1. 流水线(Pipeline)
2. 端到端(end-to-end)

基于知识图谱的应用–问答系统

知识图谱+单轮对话+检索式问答+流水线(单模块)

1、整体架构

1.1 构建一个知识图谱

1. 数据收集：结构化、半结构化、非结构化
2. 知识抽取：Schemo定义、数据标注工具、实体关系抽取、实体名称归一、实体对齐
3. 知识存储：neo4j、mysql、elasticsearch

1.2 问答–自然语言处理模块(NLU)

1. 意图识别：意图归纳、意图分类模型
2. 槽位填充：语义槽设计、命名实体识别、实体链指

1.3 知识计算模块

1. 图数据库操作：Ctpher语言
2. 问题检索：文本倒排索引、文本向量化表示、Faiss向量索引
3. 业务逻辑

1.4 对话管理模块+交互模块

1. 后端：Redis、Flask/django、对话策略设计
2. 前端：itchat

1.5 模型API接口服务

1. 深度学习平台：TensorFlow、Keras
2. 模型发布：Bert-as-serving、flask