电商信息资讯,更全更新信息实报!
主页 > 知识 > > 正文

阿里小蜜多模态知识图谱的构建及应用

来源:网络整理 发布时间:2021-10-08 07:04 标签:阿里文本分类关系模型
浏览:

01知识图谱的简介

众所周知,知识图谱是对现实世界的实体概念及其关系的刻画和描述。大多以三元组为经典结构去表示知识。业界典型代表有 Google 和百度,他们通过数据挖掘方式获得了千亿级别量级的三元组。

知识图谱的典型应用其实大家也都很熟悉,比如像搜索推荐、智能问答、决策分析、智能创作等。

阿里小蜜多模态知识图谱的构建及应用

基于对业界的观察,阿里小蜜团队对知识图谱应用进行了解析,主要从以下两个维度出发:

第一维是应用的种类。我们将应用划分为了原图应用和算法赋能两类。

原图类应用是指构建好图谱之后,从图谱中获取相应的信息,这个信息基本可以满足后面业务的特定需求。典型应用比如像搜索推荐、召回阶段、问答阶段等。

算法赋能类应用是指从图谱获取信息之后,作为下游模型的输入,通过联合建模的方式去完成业务需求。典型应用比如决策分析、智能创作等。

第二维是应用的形态。我们将应用归纳为下面三大类主要的应用形态。

业务应用是目前大家用的比较多的,主要是从自身业务出发去构建图片,实现对内部数据进行标准化,然后搭建相应的算法去供部门或者集团内其他部门使用的应用。

知识中台的应用形态更多的是通过不断积累数据,从而形成一个很庞大的知识中台,通过平台的方式去构建相应的服务。它既可以去服务企业内部的应用,也可以变成第三方的服务去赋能集团外的一些客户。

解决方案是指在构建和应用的过程中沉淀了很多的算法或模型,通过将这些算法模型进行工具化,进而通过上云、解决方案实施等方法,去赋能第三方客户。

下面来介绍一下阿里小蜜知识图谱的发展脉络。按照刚刚解析的过程,我们的工作大致可以分为两个阶段。第一个阶段是在客服助手、阿里小蜜阶段。会有非常多的 BU 需要问答的能力。我们尝试从业务出发,对业务知识进行结构化,从而构建相应的 KBQA(知识库问答)或者是 EBQA (Event-Based Question Answering,事件问答) 能力去完成业务。在 19 年中旬之后,我们更多的是转向去沉淀可复用的领域知识。希望从整个阿里小蜜,也就是中台的这样一个定位出发,去沉淀领域知识图谱和多模态知识图谱的工作。从而在店小蜜以及新赛道,比如虚拟主播这样的场景去得到应用。

阿里小蜜多模态知识图谱的构建及应用

这次报告的内容主要就是介绍领域知识图谱和多模态知识图谱的一些工作。

02领域知识图谱建设与应用

首先介绍一下领域知识图谱。

在新零售场景这样的业务场景下,它最核心的目标是如何去连接用户和商品。搜索是很好的一种方式。绝大部分用户的购物行为都是通过搜索来满足的,比如你知道自己想买什么东西,通过搜索(query)直接去搜索相应的商品。但是还是会有很多用户可能并不知道自己想买什么,或者说他选定了个商品之后,需要去咨询这个商品到底适不适合他,这就需要一个对话沟通的场景。阿里小蜜主要聚焦的就是这样的对话场景,去解决「如何有效的连接用户和商品」。

阿里小蜜多模态知识图谱的构建及应用

在对话场景下,经过实践,我们总结归纳了以下三个核心的问题:

在介绍核心问题之前先来看一下对话场景发生的位置。

阿里小蜜多模态知识图谱的构建及应用

我们把用户的消费购物决策链路划分为五个步骤。一开始用户会产生购物的需求;再到用户搜索商品;对候选的商品进行评估;评估完商品之后对部分商品做出是否需要购买的决策;最后购买商品之后会有相应的售后服务。

在需求识别阶段,对话场景中的用户会主动描述具体的一些体征,咨询产品是否合适。比如在美妆行业,用户可能会问到皮肤容易出现长痘的情况,那么希望的是我们的系统能具备推理出用户具体需求,也就是祛痘功效的能力。在评估商品的时候,用户可能会去咨询具体商品的属性,比如用户可能会去问这个商品男士、孕妇能不能用,这种情况下,用户可能更多关注商品具体的属性知识。购买决策阶段,当用户购买一个商品前与商家进行沟通的时候,我们希望我们的系统能够 get 到用户所关注的卖点,然后根据卖点去生成可解释性的推荐理由,进而更好的去促进成交转化。

发表评论
验证码: 点击我更换图片

注:网友评论仅供其表达个人看法,并不代表本站立场。

热门文章

  • 2020年国内十大生鲜电商平台排名!
    2020年国内十大生鲜电商平台排名!

    2020年国内十大生鲜电商平台排名!

    目前除了我们熟知的天猫生鲜、京东生鲜等生鲜平台,还有哪些生鲜电商o2o平台呢?接下来我们就一起来看看2020年十大生鲜电商平台有哪些!每日一淘是一个...

  • 知识图谱完整项目实战(附源码)(3)
    知识图谱完整项目实战(附源码)(3)

    知识图谱完整项目实战(附源码)(3)

    本文是《知识图谱完整项目实战(附源码)》系列博文的第3篇:汽车知识图谱系统架构设计,主要介绍汽车领域知识图谱系统的总体架构设计和关键技术。...

  • 为电商而生的知识图谱,如何感应用户需
    为电商而生的知识图谱,如何感应用户需

    为电商而生的知识图谱,如何感应用户需

    如何建设一个比较通用的面向应用的概念体系,支持根据业务需求提供查询服务,已经迫在眉睫。mining流程后持续扩大挖掘覆盖),目前数据已经作为类目预...

  • 阿里知识图谱首次曝光:每天千万级拦截
    阿里知识图谱首次曝光:每天千万级拦截

    阿里知识图谱首次曝光:每天千万级拦截

    阿里妹导读:借助阿里知识图谱的建设,阿里电商平台管控从过去的“巡检”模式升级为发布端实时逐一检查。在海量的商品发布量的挑战下,最大可能地...

  • 互联网+生鲜电商解决方案 生鲜电商O2O解
    互联网+生鲜电商解决方案 生鲜电商O2O解

    互联网+生鲜电商解决方案 生鲜电商O2O解

    生鲜电商O2O解决方案(38页珍藏版)》请在人人文库网上搜索。度上限制了生鲜电商的发展。方的农业生鲜交易平台存在小、弱格局。、配送企业、线下门...

人物

更多 >
人物马云:区块链不是泡沫
人物李彦宏:百度有自己的价值观 未来“AI战
人物吴欣鸿:美图秀秀下一个十年发力图片社
人物最贵的离职:陆奇带走了百度900亿市值
人物刘强东代言上瘾,这次为核桃代言

专题

更多 >
广告位