人工智能中的知識圖譜基礎(chǔ)知識與現(xiàn)狀及發(fā)展

導(dǎo)讀：知識圖譜，是顯示知識發(fā)展進程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，用可視化技術(shù)描述知識資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識及它們之間的相互聯(lián)系。本文主要分析了何為知識圖譜，知識圖譜的現(xiàn)狀及發(fā)展。

2012年，Google推出了一款名叫Knowledge Graph（知識圖譜）的產(chǎn)品，該產(chǎn)品從Metaweb衍生而來，主要用于提高搜索引擎質(zhì)量，改善用戶搜索體驗。

2020年，知識圖譜從一個分支產(chǎn)品成為建立大規(guī)模知識的殺手锏應(yīng)用，在搜索、自然語言處理、智能助手、電子商務(wù)等領(lǐng)域發(fā)揮著重要作用。

8年時間，隨著大數(shù)據(jù)時代的到來和人工智能技術(shù)的飛速進步，知識圖譜越發(fā)顯露出其基礎(chǔ)性和重要性。

那么，到底什么是知識圖譜呢？

知識圖譜，是顯示知識發(fā)展進程與結(jié)構(gòu)關(guān)系的一系列各種不同的圖形，用可視化技術(shù)描述知識資源及其載體，挖掘、分析、構(gòu)建、繪制和顯示知識及它們之間的相互聯(lián)系。

知識圖譜可以將互聯(lián)網(wǎng)的信息表達成更接近人類認知世界的形式，同時提供了一種更好的組織、管理和理解互聯(lián)網(wǎng)海量信息的能力。知識圖譜給互聯(lián)網(wǎng)語義搜索帶來了活力，同時也在智能問答中顯示出強大威力，已經(jīng)成為互聯(lián)網(wǎng)知識驅(qū)動的智能應(yīng)用的基礎(chǔ)設(shè)施。知識圖譜與大數(shù)據(jù)和深度學習一起，成為推動互聯(lián)網(wǎng)和人工智能發(fā)展的核心驅(qū)動力之一。【1】

文字表述看似深奧，實則我們在日常生活中經(jīng)常感受到知識圖譜技術(shù)帶來的便利。

圖1

圖2

比如在百度中搜索劉德華的個人信息，會出現(xiàn)圖1和圖2兩種展示形式，從內(nèi)容上看，兩者展示的信息差別不大，但圖2看起來就更加直觀。尤其是隨著文本內(nèi)容的增加，圖2的表現(xiàn)形式的優(yōu)勢就會更加突出。放到大數(shù)據(jù)的互聯(lián)網(wǎng)平臺，圖2的表達模式顯然更便于處理加工，但是互聯(lián)網(wǎng)等數(shù)據(jù)平臺所搜集的信息多為如圖1所示的碎片式信息，所以把圖1內(nèi)的文字內(nèi)容轉(zhuǎn)換成圖2的過程，就涉及到上面提及的知識圖譜技術(shù)。

圖3

再比如圖3，我們經(jīng)常會看到針對某個人或者某件事關(guān)鍵詞的呈現(xiàn)，事實上這種呈現(xiàn)形式也是機器利用知識圖譜技術(shù)把網(wǎng)友的評價等碎片化的信息進行整理加工后形成的。

2020年的知識圖譜技術(shù)發(fā)展現(xiàn)狀

據(jù)《2020人工智能中國專利技術(shù)分析報告》統(tǒng)計，知識圖譜技術(shù)專利申請量整體呈現(xiàn)穩(wěn)中上升的趨勢。自2012年起，我國知識圖譜技術(shù)領(lǐng)域內(nèi)專利申請增長速度顯著加快，從圖4可以看到，2019年申請量達到巔峰，全年共申請4966件相關(guān)專利。據(jù)不完全數(shù)據(jù)統(tǒng)計，2020起始截止到2020年10月底，該領(lǐng)域的專利申請量已達到1942件，知識圖譜技術(shù)正成為各權(quán)利主體獲取人工智能產(chǎn)業(yè)競爭力的有力武器。【2】

圖4：我國知識圖譜領(lǐng)域?qū)＠暾埩磕甓茸兓厔荩?020年統(tǒng)計數(shù)據(jù)截止至2020年10月底，受公開滯后影響，統(tǒng)計數(shù)據(jù)為不完全數(shù)據(jù)）

為了更好的了解知識圖譜領(lǐng)域?qū)＠暾埲耍ɑ蚱髽I(yè)）的情況，筆者通過北京市知識產(chǎn)權(quán)公共信息服務(wù)平臺對知識圖譜領(lǐng)域的專利申請情況進行了檢索，檢索結(jié)果如圖5所示，通過檢索發(fā)現(xiàn)，在知識圖譜領(lǐng)域，騰訊科技（深圳）有限公司 、北京百度網(wǎng)訊科技有限公司、平安科技（深圳）有限公司、北京明略軟件系統(tǒng)有限公司以及百度在線網(wǎng)絡(luò)技術(shù)（北京）有限公司分別排名前五。其中，騰訊科技以550件專利量排名第一，百度網(wǎng)訊以346件專利量排名第二，平安科技以182件專利量排名第三，北京明略以110件專利量排名第四，百度以92件專利量排名第五。

圖5 檢索日期：2021年2月22日

同時，筆者也在國家知識產(chǎn)權(quán)局專利檢索及分析網(wǎng)站檢索了知識圖譜領(lǐng)域的相關(guān)專利，檢索結(jié)果如圖6所示，與使用北京信息服務(wù)平臺檢索的結(jié)果相比，前五名的專利申請人的出入不大，分別為百度網(wǎng)訊、平安科技、騰訊科技、海南大學、北京明略。不過在專利申請量上有些區(qū)別，百度網(wǎng)訊以237件專利申請量排名第一，平安科技以136件專利申請量排名第二，騰訊科技以116件專利申請量排名第三，海南大學以64件專利申請量排名第四，北京明略以59件專利申請量排名第五。

圖6 檢索日期：2021年2月22日

從圖7中可以看出，2020年知識圖譜領(lǐng)域?qū)＠暾埩繃鴥?nèi)各省市排名中，北京、廣東是主要申請區(qū)域，其中，北京以占比31%的專利申請量排名第一，廣東以占比24%的專利申請量排名第二，浙江則以占比11%的專利申請量排名第三。

圖7：2020年知識圖譜領(lǐng)域?qū)＠暾垏鴥?nèi)各省市的占比情況

使用工具：智慧芽專利數(shù)據(jù)庫 智慧芽英策

從圖8中可以看出，2020年申請的知識圖譜領(lǐng)域的專利的IPC主要集中在G06、H04，其中G06F16以占比21%排名第一，G06K9以占比17%排名第二；G06N3以占比14%排名第三。

圖8：2020年知識圖譜領(lǐng)域?qū)＠暾圛PC技術(shù)分支的占比情況

使用工具：智慧芽專利數(shù)據(jù)庫，智慧芽英策

從圖9中可以發(fā)現(xiàn)，人工智能、知識圖譜、特征向量、機器學習、深度學習等關(guān)鍵詞成為2020年知識圖譜領(lǐng)域申請專利中的創(chuàng)新詞云。

圖9：2020年知識圖譜領(lǐng)域?qū)＠械膭?chuàng)新詞云

使用工具：智慧芽專利數(shù)據(jù)庫，智慧芽英策

據(jù)中國軟件網(wǎng)不完全統(tǒng)計，我國知識圖譜產(chǎn)品或解決方案主流企業(yè)約有38家，在這其中，布局在金融領(lǐng)域的企業(yè)約占65%，公共服務(wù)與政務(wù)領(lǐng)域約占26%，能源與工業(yè)領(lǐng)域約占26%，是企業(yè)入局最高的三大領(lǐng)域。

圖10：知識圖譜企業(yè)在行業(yè)應(yīng)用中的分布情況

中國軟件網(wǎng)整理制圖

從圖10可以發(fā)現(xiàn)，許多公司利用知識圖譜技術(shù)涉足金融、公共服務(wù)與政務(wù)、醫(yī)療醫(yī)藥、能源與工業(yè)和商業(yè)領(lǐng)域等多個領(lǐng)域，比如騰訊云利用知識圖譜技術(shù)發(fā)展物聯(lián)網(wǎng)，并將其應(yīng)用于醫(yī)療儀器、運輸業(yè)車輛GPS等，阿里云利用知識圖譜技術(shù)支持電力領(lǐng)域的操作規(guī)程等工作，華為云更是利用知識圖譜技術(shù)助力油氣的勘探開發(fā)，明略科技利用知識圖譜技術(shù)在金融、公共服務(wù)與政務(wù)、能源與工業(yè)和商業(yè)領(lǐng)域等均有涉足，北京海致網(wǎng)聚信息技術(shù)有限公司利用知識圖譜技術(shù)實現(xiàn)在公安領(lǐng)域的落地實踐。

那么知識圖譜在實際工作中是如何在不同領(lǐng)域發(fā)揮其功用呢？筆者咨詢了明略科技集團知識工程實驗室主任張杰博士，張杰博士曾帶領(lǐng)團隊以“知識圖譜自動構(gòu)建及行業(yè)應(yīng)用”為題獲得了2020年度第十屆吳文俊人工智能科學技術(shù)一等獎。張杰博士表示：

過去幾年，明略科技通過自主研發(fā)的知識圖譜平臺和預(yù)構(gòu)建的行業(yè)解決方案服務(wù)于政府、公安、銀行、保險、證券、軌交、電力、制造、融媒體、食品安全等領(lǐng)域的200多個行業(yè)客戶。

在社交媒體輿情分析場景中，基于知識圖譜，可以把用戶產(chǎn)生的評論，與后臺的產(chǎn)品知識庫相對應(yīng)，便于運營人員對產(chǎn)品更細粒度的特性做用戶輿情走勢分析，隨后把這些結(jié)果整合到BI系統(tǒng)，從而實現(xiàn)用戶需求洞察，輔助生產(chǎn)創(chuàng)意內(nèi)容，實現(xiàn)千人千面的個性化廣告。

在線下零售場景中，首先銷售人員通過佩戴明略的電子工牌，將銷售過程數(shù)字化，然后通過語音識別技術(shù)將銷售對話轉(zhuǎn)為文字，再通過自然語言處理技術(shù)進行話題分類，計算出話題之間轉(zhuǎn)移的概率，形成一個話題轉(zhuǎn)移的知識圖譜，最后通過與金牌銷售員的話題圖譜做比對，可以幫助銷售人員做復(fù)盤，分析流單的主要環(huán)節(jié)，改善話術(shù)并提高成單率。我們研發(fā)的HAO圖譜系統(tǒng)是目前國際上第一個語音實時生成圖譜的企業(yè)級知識圖譜開發(fā)工具包。

在金融風控場景中，個人信貸客戶可以通過親友、同事、擔保等關(guān)系組成圖譜，對公客戶可以通過股權(quán)、擔保、資金關(guān)系組成圖譜，我們使用圖表示學習算法將客戶做向量化表示，向量中蘊含了圖譜的結(jié)構(gòu)信息，這個向量可以用于反欺詐模型和信用評分模型。

在工業(yè)設(shè)備維保場景中，我們可以從傳感器發(fā)出的故障信號的時間序列數(shù)據(jù)中挖掘出故障的主伴生關(guān)系，可以從維修工單的非結(jié)構(gòu)化文本中挖掘出因果關(guān)系，然后逐漸拼接出檢修知識圖譜，為維修工人提供檢修最佳實踐，應(yīng)用這套系統(tǒng)后車輛故障率降低約50%，逐步從每日檢修變成每8日檢修，大幅度降低運營故障、減少了人工作業(yè)、提高了檢修效率。

知識圖譜前路坦蕩，未來已來

根據(jù)統(tǒng)計的數(shù)據(jù)顯示，目前知識圖譜已經(jīng)在技術(shù)上有了一定發(fā)展，并逐步在電子商務(wù)、公安、醫(yī)療等領(lǐng)域開始落地，那么目前知識圖譜領(lǐng)域的發(fā)展情況究竟如何，已經(jīng)具備了哪些優(yōu)勢？未來知識圖譜技術(shù)發(fā)展又將會面對哪些技術(shù)挑戰(zhàn)呢？針對這些問題，張杰博士回復(fù)說：

知識圖譜的發(fā)展得益于技術(shù)的逐漸成熟和數(shù)字化轉(zhuǎn)型的歷史趨勢。最近幾年在大數(shù)據(jù)和人工智能技術(shù)飛速發(fā)展的背景下，很多傳統(tǒng)行業(yè)開展了新一輪的數(shù)字化轉(zhuǎn)型，2020年兩會期間，數(shù)字化轉(zhuǎn)型被寫入政府工作報告。智能化是企業(yè)數(shù)字化轉(zhuǎn)型的新方向、新階段。在智能化的過程中，業(yè)內(nèi)普遍認為可以分為三個階段：算力智能、感知智能和認知智能。知識圖譜被認為是從感知智能邁向認知智能的關(guān)鍵環(huán)節(jié)，因此得到了廣泛關(guān)注，越來越多的企業(yè)和組織開展知識圖譜的建設(shè)并結(jié)合業(yè)務(wù)場景開展應(yīng)用：一種是較為通用的技術(shù)型應(yīng)用，如可視化洞察、信息檢索、推薦系統(tǒng)、任務(wù)型問答；另一種是具有行業(yè)特色的解決方案型應(yīng)用，如金融反欺詐、快消品營銷、工業(yè)維保等。

知識圖譜的優(yōu)勢主要體現(xiàn)在以下幾個方面：1）連接企業(yè)內(nèi)部數(shù)據(jù)和外部的海量數(shù)據(jù)。知識圖譜對數(shù)據(jù)類型的定義靈活，并能高效的支持深層次的關(guān)聯(lián)查詢，拓展企業(yè)數(shù)據(jù)總量的同時提升數(shù)據(jù)利用效率，釋放出大數(shù)據(jù)紅利；2）連接大數(shù)據(jù)技術(shù)和人工智能技術(shù)。它可以從網(wǎng)絡(luò)結(jié)構(gòu)、時間序列、行為對話等新型數(shù)據(jù)中加工出高階特征，提供給下游的算法工程師，使其更專注在具體的業(yè)務(wù)模型上；3）連接領(lǐng)域知識和常識知識。它可以對已有的知識體系做融合、補全、推理，提高知識體系的完備性，為流程優(yōu)化、輔助決策、預(yù)測分析等下游應(yīng)用提供基礎(chǔ)服務(wù)。

雖然知識圖譜技術(shù)具有廣闊的應(yīng)用前景，但現(xiàn)階段仍面臨很多技術(shù)挑戰(zhàn)：1）構(gòu)建成本問題。對于結(jié)構(gòu)化數(shù)據(jù)需要復(fù)雜的數(shù)據(jù)治理工作，對于非結(jié)構(gòu)數(shù)據(jù)，信息抽取環(huán)節(jié)需要大量的標注工作；2）推理準確度問題。知識圖譜可以為搜索引擎、推薦引擎帶來準確度提升，但其獨特的應(yīng)用價值在推理問答，需要解決在領(lǐng)域知識不完備、且數(shù)據(jù)總量大的情況下進行快速準確的推理；3）形式化表示問題。知識圖譜的價值在應(yīng)用，應(yīng)用的難點在于知識推理，知識推理的難點在于知識表示。已有技術(shù)成果多集中在事實知識（know-what）上，原理知識（know-why）和技能知識（know-how）的研究缺乏數(shù)學基礎(chǔ)和最佳實踐參考。

有些行業(yè)的數(shù)字化進程啟動較晚，需要先解決數(shù)據(jù)在線和數(shù)據(jù)積累的問題，并且文化上重視數(shù)字化建設(shè)和數(shù)字化管理才可能使知識圖譜技術(shù)得以應(yīng)用。未來的改變可能會有以下幾方面：1）隨著5G、物聯(lián)網(wǎng)和感知技術(shù)的逐級成熟，企業(yè)非結(jié)構(gòu)化數(shù)據(jù)的占比會越來越高，從語音、圖像、視頻的多模態(tài)數(shù)據(jù)中聯(lián)合抽取知識的需求會越來越多；2）行業(yè)know-how類知識與know-what類知識可以相結(jié)合，從而推動人機協(xié)同下的智能決策；3）知識密集型行業(yè)中的企業(yè)越來越重視知識資產(chǎn)，基于知識圖譜技術(shù)建設(shè)知識中臺，而不僅是管理文檔、管理數(shù)據(jù)，并以專家經(jīng)驗加數(shù)據(jù)驅(qū)動的方式做因果關(guān)系發(fā)現(xiàn)和因果推斷，輔助業(yè)務(wù)做出決策。

從蒸汽時代到電氣時代，再到21世紀的信息時代，科技的發(fā)展推動著時代的進步，而人工智能正成為推動人類進入智能時代的決定性力量。我們期待知識圖譜這一被認為是從感知智能邁向認知智能的關(guān)鍵環(huán)節(jié)的技術(shù)在未來有更大、更廣闊的應(yīng)用與發(fā)展空間。

注：

【1】：《產(chǎn)業(yè)專利分析報告-人工智能關(guān)鍵技術(shù)（第68冊）》

【2】：工信部電子知識產(chǎn)權(quán)中心公眾號文章《知識圖譜專利布局加快 提升AI產(chǎn)業(yè)競爭力》
編輯：lyn