I. 知识图谱 应用案例 — 百度

百度知识图谱

• 业务背景
  • 百度知识图谱可以说是源于搜索，服务搜索，同时随着自身技术的积累和深化，我们用知识图谱技术广泛赋能搜索之外的业务和产品线。
  • 截止目前我们在通用和行业图谱数据建设层面累积了 50 亿实体和 5500 亿事实，日均响应 400 亿次请求，知识图谱的服务规模增长了千倍。
• 发展阶段
  • 第一阶段是 2013 年以前的 Pre-KG 阶段，这个阶段实际上也是学术界和业界知识图谱技术发展的一个初期阶段。
    • 当时我们以定制化的模式来生产结构化数据，并应用于百度搜索的知心产品中。
  • 第二个阶段是 2014 到 2015 年，这是我们知识图谱方法论和架构逐渐成型的一个阶段。
    • 在这个阶段，我们建立了面向垂直类知识图谱构建的架构机制，并且将领域图谱应用于百度搜索的推荐、阿拉丁、智能摘要以及百度的第一代智能助理度秘等重要产品中。
  • 第三个阶段是 2016 到 2017 年。在这个阶段，百度逐渐深化建设通用知识图谱相关的架构、算法和机制。
    • 技术聚焦的重点在多领域打通、平台化、外包化的图谱构建，并深化建设了一系列特色的领域知识图谱，比如汉语知识图谱、娱乐知识图谱等。
    • 在应用落地方面主要有智能搜索问答以及百度信息流产品中基于知识兴趣点的内容推荐。
  • 第四个阶段是近两年，我们逐渐将知识图谱的能力释放出去，并深入探索了一些领域内相对前瞻的问题。
    • 这一阶段我们技术建设的重点在多元图谱的异构互联，图谱的主动收录与自学习，多媒体知识、复杂知识以及行业知识的理解构建。
    • 应用落地上除了继续在百度的搜索和信息流产品深化支持，还在法律、客服、医疗、金融等行业领域取得了一些突破和进展。

知识图谱问答

• 核心：多方案融合的知识图谱问答技术
• 对于那些直接围绕实体相关的查询，我们会用一些基于知识库问答（KBQA）的技术进行处理，包括自动挖掘模板进行语义解析，进行文法和语义端到端子图匹配等等。
• 对于答案存在于网页或知识库里面的问题，我们采用 IRQA 的方式，使用阅读理解的方式从现有网页里自动挖掘答案。
• 对于需要进行推理计算的问题，我们基于动态函数计算、规则逻辑推理等方式进行处理。也就是说我们针对不同问题类型，研发适用的问答技术方案。

其他

• 知识增强的机器阅读理解
• 智能搜索
• 智能推荐
• 对话系统
• 汉语知识图谱