筆者寫了一篇知識(shí)圖譜在搜索與推薦中的應(yīng)用，這篇文章會(huì)著重講講問答系統(tǒng)中的人機(jī)交互和自然語言處理相關(guān)的問題。簡(jiǎn)單聊聊人機(jī)交互，目前人機(jī)交互的常見場(chǎng)景有如下三種：閑聊型（Chatbot）、問答型（QA）、任務(wù)型（VPA）。
閑聊型，典型的應(yīng)用案例是微軟小冰，你可以和小冰進(jìn)行閑聊
問答型，典型的應(yīng)用案例是度秘、小螞答，基于問答的方式與用戶進(jìn)行交互
任務(wù)型，cortana和siri應(yīng)該可以算這個(gè)類型的
本文主要著重講解知識(shí)圖譜在問答型產(chǎn)品中的應(yīng)用。
我偏笑_NSNirvana 在QA問句解析的七種方法及優(yōu)化思路中談到了幾種QA的方案?
根據(jù)筆者研究，目前問答系統(tǒng)，特別是封閉式的問答系統(tǒng)中，商業(yè)化公司一般會(huì)偏向兩類方案：1.基于模板匹配的方案 ?2.基于知識(shí)圖譜的方案
兩種方案都有各自的優(yōu)勢(shì)。
模板匹配方案項(xiàng)目容易啟動(dòng)，并且能夠很快速的解決基礎(chǔ)核心問題，但是由于結(jié)構(gòu)問題，不能很好的理解上下文，還有意圖模糊的問題。該方法最大的風(fēng)險(xiǎn)因素在人這一塊，因?yàn)闃?gòu)建規(guī)則庫到后期成本會(huì)越來越高，而且沖突會(huì)越來越多，總體來說，這是一個(gè)很好做，但是上限不高的方案。如果說只需要滿足基礎(chǔ)的核心QA需求，這種方案是不錯(cuò)的選擇，目前采用這種方案的bot：網(wǎng)易七魚，中國(guó)電信客服機(jī)器人
知識(shí)圖譜方案能夠更好的理解語言中的抽象部分，更好的去對(duì)語言中模糊的部分通過交互來確認(rèn)信息。在推薦上能夠鎖定較少，較為精確的推薦結(jié)果，在算法上會(huì)比較好實(shí)現(xiàn)。目前采用這種方案的bot：度秘、阿里小蜜、小螞答。其中小蜜和小螞答的構(gòu)建方案大體類似，由于用戶需求的不同，采用了不同的應(yīng)用方案才造成了產(chǎn)品形態(tài)上的差異。度秘的構(gòu)建方案有別于阿里小蜜。
之前介紹了知識(shí)圖譜的schema的構(gòu)建方案，but，那是基于common sense的構(gòu)建方案，QA系統(tǒng)中的構(gòu)建方案會(huì)有別于common sense的構(gòu)建方案，常規(guī)的common sense知識(shí)圖譜構(gòu)建的抽象層一般來說是type，property這一塊一般是具體的概念，例如姚明的老婆， 阿里的方案是將property進(jìn)行抽象化，例如：（找回密碼，semantic of，如何找回密碼？），通過這些抽象的邊，去描述實(shí)體之間的關(guān)系，然后通過圖遍歷的方式去構(gòu)建交互體系。
下面是百度度秘的意圖圖譜有關(guān)的資料
百度的意圖圖譜技術(shù)。與我之前講過的實(shí)體圖譜不同，意圖圖譜的節(jié)點(diǎn)代表一個(gè)個(gè)意圖節(jié)點(diǎn)。這些“意圖”之間的關(guān)系包括需求澄清（disambiguation）、需求細(xì)化（depth extension）、需求橫向延展（breadth extension ）等。在下圖所示例子中，當(dāng)“阿拉斯加”的意思是“阿拉斯加州”時(shí)，與之關(guān)聯(lián)的意圖是城市、旅游等信息。當(dāng)“阿拉斯加”的含義是“阿拉斯加犬”時(shí)，它延伸的意圖是寵物狗、寵物狗護(hù)理，以及如何喂食等。
這樣的意圖圖譜可用于人機(jī)對(duì)話系統(tǒng)當(dāng)中，下面讓我們來看一個(gè)度秘基于意圖圖譜的用戶引導(dǎo)例子。
用戶想要查詢關(guān)于“金毛”的信息，基于意圖圖譜，度秘提供給用戶關(guān)于金毛的一般信息；接著進(jìn)入第二輪，用戶點(diǎn)擊了“我想要一只金毛”的選項(xiàng)，度秘便可以猜測(cè)用戶接下來會(huì)想要知道“如何喂養(yǎng)一只金毛”、“什么樣的人適合養(yǎng)此類犬”等信息，并將這些引導(dǎo)項(xiàng)展現(xiàn)給用戶。然后用戶點(diǎn)擊了“喂養(yǎng)一只金毛容易嗎”的選項(xiàng)。對(duì)話進(jìn)行到此輪，用戶的需求基本被滿足了。
