雷鋒網(wǎng) AI 科技評論按，12 月 14 日，中國計算機學會 YOCSEF 在中科院計算所舉辦「知識圖譜」專題探索班。知識圖譜和圖數(shù)據(jù)是目前計算機學科相關(guān)研究中的熱點，具體研究涵蓋知識圖譜構(gòu)建，知識圖譜的存儲和查詢系統(tǒng)，面向知識圖譜應用，以及大圖數(shù)據(jù)的處理分析方法及系統(tǒng)等。

知識圖譜和圖數(shù)據(jù)為計算機研究者提供了一個非常好的交叉研究對象，這包括自然語言處理、數(shù)據(jù)庫、知識工程和機器學習等領(lǐng)域。同時基于知識圖譜的工業(yè)應用，也是各大互聯(lián)網(wǎng)公司以及一些創(chuàng)業(yè)型企業(yè)共同關(guān)注的焦點。

基于此，此次探索班邀請到自然語言處理、數(shù)據(jù)庫、知識工程和機器學習領(lǐng)域重量級的專家做報告，進行報告的專家教授名單如下：

• 張鈸 清華大學計算機系教授、中科院院士
  

• 吳信東 明略科技首席科學家、路易斯安那大學教授、IEEE/AAAS Fellow
  

• 周暢 阿里巴巴達摩院高級算法工程師
  

• 洪亮 武漢大學信息管理學院副教授
  

• 漆桂林 東南大學教授、博導
  

• 趙東巖 北京大學教授、大數(shù)據(jù)研究院自然語言處理與認知智能實驗室主任
  

• 賈巖濤 華為公司中央軟件院知識圖譜首席技術(shù)專家
  

• 肖仰華 復旦大學計算機科學與技術(shù)學院教授
  

大家結(jié)合自己的研究領(lǐng)域，圍繞知識圖譜，對其理論、應用以及創(chuàng)新和未來進行了精彩討論，以下為各位嘉賓的探討內(nèi)容，雷鋒網(wǎng) AI 科技評論整理。

首位演講嘉賓為清華大學計算機系教授、中科院院士張鈸，他的演講主題為《人工智能與知識圖譜》。張鈸教授表示，進入深度學習時代，技術(shù)的門檻變得很低，例如對于一些創(chuàng)業(yè)公司，掌握好數(shù)據(jù)和算法就可以進入一個行業(yè)。但是現(xiàn)在大家發(fā)現(xiàn)深度學習并不那么好用，它的缺點很突出，一是系統(tǒng)非常脆弱、容易受攻擊等，存在不魯棒性、不可解釋性，這是其本質(zhì)缺點。他表示，一是我們使用的原始數(shù)據(jù)質(zhì)量差，二是系統(tǒng)不能學出有語義的特征。

他舉了一個形象的例子，將一張阿爾卑斯山的圖片加上噪聲，加噪聲之前和之后，人類看起來沒差別，但計算機就把加噪聲之后的圖片識別成了狗，這說明這樣的系統(tǒng)非常脆弱，和人類視覺系統(tǒng)完全不同。這樣的系統(tǒng)存在極大的問題，所以我們提出后深度學習時代。

張鈸教授表示，人類的優(yōu)點是在大是大非前非常明確，雖然會犯小錯，但不會犯大錯，但機器與人相反，雖然不會犯小錯，但一犯就是大錯。

他表示，后深度學習時代，應該努力克服深度學習存在的問題。我們需要將知識驅(qū)動和數(shù)據(jù)驅(qū)動相結(jié)合，進行多學科交叉研究。而我國目前的研究現(xiàn)狀如下，研究機器學習的人很多，但很少有人研究知識表示和推理。他表示，科學研究必須強調(diào)多樣化，我們應該重視知識表示和推理，這是人工智能最核心的內(nèi)容。

隨后，他提到如何把知識圖譜嵌入向量空間，「現(xiàn)在的很多方法看起來都不太理想，問題是在投射的過程中要盡量少丟失語義。當數(shù)據(jù)很大的時候很難做到?！?br/>

他表示，從人工智能的觀點來看，IBM Watson 真正把知識推理和數(shù)據(jù)結(jié)合起來了，是非常好的研究工作。

從人工智能的角度看知識圖譜未來的發(fā)展趨勢，張鈸教授表達了如下觀點，我國必須要建立大規(guī)模的知識庫。他表示，美國現(xiàn)在已經(jīng)做了很多相關(guān)工作，我們?nèi)绻胍縿e人的數(shù)據(jù)庫、知識圖譜，很難發(fā)表創(chuàng)新性的、有見解的文章。

第二位演講的嘉賓是明略科技首席科學家、路易斯安那大學教授、IEEE/AAAS Fellow 吳信東，他的主題是《大數(shù)據(jù)，大知識，大智慧》。

吳信東教授表示，每個人對大數(shù)據(jù)的理解都不一樣。大數(shù)據(jù)的核心問題是多維數(shù)據(jù)問題，會遇到很多困難，比如在數(shù)據(jù)的來源不一樣的時候，例如如何進行數(shù)據(jù)融合，如何去尋找和添加不存在的知識。

對于大數(shù)據(jù)有兩種理解方式，一是常規(guī)意義上的大數(shù)據(jù)，二是將本來不是大數(shù)據(jù)的信息變成大數(shù)據(jù)，這就需要找出大數(shù)據(jù)的底層特征。大數(shù)據(jù)最底層特征有四個：

1.大數(shù)據(jù)不是指數(shù)據(jù)的體積大，而是數(shù)據(jù)多元，有聲音、文本、表格、不同的語言等；

2.每個信息來源自治，數(shù)據(jù)是異構(gòu)的，都有自己的邏輯，不同來源的信息會可能會產(chǎn)生矛盾、斷層現(xiàn)象。這就和盲人摸象、小馬過河一樣；

3.大數(shù)據(jù)的體量是巨大的，每個數(shù)據(jù)講的可能是某件事物不同的方面，可以把它們進行融合；

4. 數(shù)據(jù)是變化的，觀點在變，內(nèi)容在變，信息也在變。

想做大知識，必須要考慮到知識的體量是巨大的，要從大量的知識里羅列出有質(zhì)量的知識，從量到質(zhì)、從質(zhì)到序。從量到質(zhì)是指要從大量的數(shù)據(jù)里面找出對自己有用的數(shù)據(jù)，從質(zhì)到序是指根據(jù)需求使用數(shù)據(jù)，正如知識是一樣的，但是每個人學習的途徑不一樣，根據(jù)個人需求進行學習。

他表示，在大數(shù)據(jù)、大知識之后，就是機器學習。我們用數(shù)據(jù)挖掘獲取知識，一般來說，數(shù)據(jù)獲取和數(shù)據(jù)挖掘要花掉大約 3/4 的時間，數(shù)據(jù)一旦變化時，是重做還是更新，如何進行融合等都是數(shù)據(jù)挖掘所面臨的挑戰(zhàn)。

第三位上臺演講的嘉賓為阿里巴巴達摩院高級算法工程師周暢，他帶來了圖表示學習在阿里的相關(guān)應用。

開場伊始，他提到圖表示學習在阿里的如下應用：賬號匹配、反作弊、推薦、金融風控、搜索廣告、NLP、知識圖譜。隨后，他提到目前在工業(yè)界中比較主流的兩大類方法：

一是 Skip-Gram+Random Walk，類 DeepWalk；二是 Sampled GCN，類 GraphSage.

他提到與業(yè)務比較相關(guān)的應用——用戶對齊，也講解了他們在 ICDM2018 上的文章。

這一系列介紹之后，他講到圖嵌入在推薦召回中的應用。

• 一是店內(nèi)，這里談到他們 2016 年的相關(guān)工作，在 item-item 圖上的初試。他們修正了 DeepWalk 在 Random Walk 時更新的非對稱概率的問題，店內(nèi) Ctr 穩(wěn)定提升 10% 以上。
  

• 二是全網(wǎng)，這里涉及到集團其他團隊工作。如首頁個性化推薦，這是在 KDD2018 上的研究工作，他們加入了 Side-Information，進行了精致的數(shù)據(jù)預處理；還有阿里媽媽搜索廣告，這里用 metapath GCN 來處理 Query、Item、Ad 的異構(gòu)關(guān)系。
  

他們目前正在進行的工作是算法生成的內(nèi)容化推薦。他表示，目前的推薦是被動響應式，很難做出發(fā)現(xiàn)性。如何將內(nèi)容化、知識化的推薦構(gòu)造成主動推送式，他提到如下四點：首先理解用戶是什么樣的人，其次是內(nèi)容聚合，再是分析出用戶會對什么樣的概念、知識感興趣，最后是如何打動、說服用戶。

對于用戶是什么樣的人，可以通過 User-Item 二部圖構(gòu)建 User/Item Embedding；針對內(nèi)容聚合，通過 Item Embedding 進行層次聚類；在分析用戶對什么知識、概念感興趣時，可以用到 tree-based user interest mining；針對如何打動、說服用戶，可以找到一個解釋（路徑），能說服用戶對這個主題感興趣，說服方式有多種，如標題/短標題，知識卡片。

最后，他提到目前 Graph Learning 的挑戰(zhàn)。

一是計算效率與效果

• 大規(guī)模屬性圖中負樣本選取方式對結(jié)果非常敏感，啟發(fā)式的方法 vs 對抗式的方法
  

• 如何提高采樣效率，如何增量訓練
  

• Hierarchical 的圖表征學習
  

二是動態(tài)圖建模

• 主要的挑戰(zhàn)是如何處理圖中邊的時序關(guān)系
  

三是異構(gòu)圖的表達能力

• Multi-Type/Multi-Edge 的圖如何學出更好的表征
  

四是多任務/遷移學習

• 圖結(jié)構(gòu)如何遷移
  

而系統(tǒng)層面的挑戰(zhàn)主要有如下三點：

• 一是采用 Sparse 的圖計算系統(tǒng)，或 Dense 的機器學習系統(tǒng)，或采用兩者結(jié)合的系統(tǒng)？應該采用何種編程思路。
  

• 二是相比于其他機器學習模型，存在著大量不規(guī)范的參數(shù)讀寫模式。
  

• 三是種類多，屬性復雜的異構(gòu)圖打 Batch 困難，難以利用 GPU 優(yōu)勢。
  

最后，他提到他們的全景圖，最下層是 Graph Engine，上面一層提供數(shù)據(jù)服務，更上一層提供算法服務，最上層是業(yè)務解決方案。

隨后進行報告的嘉賓是武漢大學信息管理學院副教授洪亮，主題是《股權(quán)網(wǎng)絡(luò)視角下的金融知識圖譜研究與平臺》。

他表示，智能金融在智能投研、智能風控、商業(yè)股權(quán)查詢平臺和智能監(jiān)管上應用廣泛。目前，很多銀行、保險、證券、信托、支付、監(jiān)管、消費金融、信用評級、互聯(lián)網(wǎng)金融和基金公司都會用到智能金融。知識圖譜構(gòu)建了實現(xiàn)智能化應用的基礎(chǔ)知識資源，但目前的金融知識圖譜還存在很多問題，現(xiàn)有的金融知識圖譜數(shù)據(jù)零散，需要進一步融合；缺少基于金融股權(quán)網(wǎng)絡(luò)的金融知識圖譜；缺少系統(tǒng)性金融風險監(jiān)管平臺。

他進一步提到，從股權(quán)視角來看，抓住金融股權(quán)關(guān)聯(lián)，就抓住了系統(tǒng)性金融風險形成與傳導的根源。目前，金融行業(yè)面臨著金融體系主體繁多、股權(quán)網(wǎng)絡(luò)龐大、結(jié)構(gòu)復雜等難題，但他們有自己的優(yōu)勢，他們有國內(nèi) 400 多家商業(yè)銀行的股權(quán)信息，在工商銀行也有超過一億三元組信息數(shù)據(jù)。金融知識圖譜有助于實現(xiàn)股權(quán)「穿透式」監(jiān)管，協(xié)助金融主管部門進行系統(tǒng)性金融風險的識別、防范與化解。

基于金融知識圖譜，洪亮副教授團隊建立了知融金融大數(shù)據(jù)平臺。和商用股權(quán)查詢平臺不同的是，它可以進行股權(quán)網(wǎng)絡(luò)結(jié)構(gòu)分析，可以進行金融知識圖譜查詢與分析，防范和化解系統(tǒng)性金融風險。

在算法上，他們主要采用的有：Top-K 控制權(quán)路徑查詢，從直接股東出發(fā)，結(jié)合工商庫數(shù)據(jù)查找第二層股東，遞歸查找，直至最終股東；最終股東持股比例采用的是稀疏矩陣計算法；同時也使用了視圖縮放的交互式資本系圖摘要算法。

他表示，智能金融的入口是金融本體。團隊采用基于知識圖譜的 RDF 數(shù)據(jù)管理，提供面向?qū)W術(shù)界、監(jiān)管部門的數(shù)據(jù)服務接口（API）。

未來，團隊的目標是實現(xiàn)對金融體系的大數(shù)據(jù)完全覆蓋。接下來將進一步深化金融知識圖譜的管理與分析，主要涉及的方面是：大規(guī)模金融知識圖譜的自動構(gòu)建與高效管理；控制權(quán)網(wǎng)絡(luò)、資本系；股權(quán)網(wǎng)絡(luò)的風險傳導動態(tài)模擬；集成分析：系統(tǒng)性風險防范與化解。

第五位上臺演講的嘉賓是東南大學教授、博導漆桂林，他的報告主要圍繞知識圖譜以及知識圖譜的表示、推理、未來發(fā)展展開。

他表示，知識圖譜是一種語義網(wǎng)絡(luò)，即一個具有圖結(jié)構(gòu)的知識庫，這里圖的節(jié)點可以是概念，可以是實例，可以是 literal，圖的邊就是一個關(guān)系。

從知識表示的角度看，目前的研究存在很多問題，如如何用知識圖譜表示事件，這里存在的問題是，事件可能存在關(guān)聯(lián)以及因果關(guān)系，此外，目前關(guān)于事件表示沒有特別多的相關(guān)研究。

另外他還舉了一些代表性問題，如時空知識如何表示，什么可以成為知識圖譜中的節(jié)點，知識到底是靜態(tài)還是動態(tài)，圖表示是不是最好的表示知識的方法。

他提及，大家的研究不能太單一，如只做數(shù)據(jù)庫。

關(guān)于知識圖譜的表示，他用圖例進行了形象說明，包括 RDF、literal、OWL、知識圖譜嵌入、基于上下文的表示學習等。

對于知識圖譜的推理，他提到邏輯方面的推理和統(tǒng)計方面的推理。在關(guān)于統(tǒng)計方面的推理上，他表示 Path-based reasoning 和 knowledge representation learning 這兩方面值得關(guān)注。他提到他們開發(fā)的一些規(guī)則引擎（0 型、1 型、2 型、3 型），目前 2 型的性能是萬級規(guī)則、十萬級本體、秒級速度，其他三類的性能是萬級規(guī)則、毫秒級速度。他表示，當?shù)饺f級規(guī)模時，無論管理還是推理都比較麻煩。隨后，他也提到這些規(guī)則引擎的應用場景，0 型可以用在疾病診斷、知識表示和推理，1 型已經(jīng)用于國家 863 項目、高考機器人、地理知識表示和推理等，2 型可以用于疾病診斷、知識表示和推理，3 型可用于多模態(tài)人機交互中的交互知識表示和推理。

演講最后，他總結(jié)到，我們應該更強調(diào)對知識圖譜的表示，我們需要了解本體，包括 RDF、RDFS，另外，不應該把自己的研究限制得太窄，例如可以把圖像考慮在內(nèi)。他表示，推理有很多應用，例如做問答和輔助決策，邏輯推理并不像大家想的那樣，實用性比較差。統(tǒng)計推理目前在知識圖譜推理里的應用更多是做問答和推薦，如果用來做決策和知識庫補全，不是特別適用。

第六位嘉賓是北京大學教授、大數(shù)據(jù)研究院自然語言處理與認知智能實驗室主任趙東巖，他的報告主題是《基于知識圖譜的文本語義理解及其智能應用》。

他表示，目前，研究類人智能技術(shù)的團隊有很多，如 MIT 人工智能實驗室、IBM Watson、Todai Robot、DeepMind、Google 問答搜索引擎團隊等，文本語義理解是這項技術(shù)中非常重要的一個方面。

機器是如何做到語義理解的？以高考機器人技術(shù)研究為例，有四個步驟：

1. 構(gòu)建基礎(chǔ)語義資源庫及深度語義分析技術(shù)平臺；

2. 研制大規(guī)模知識庫構(gòu)建技術(shù)，構(gòu)建學科知識庫；

3. 提出語義與知識表示方法、研制深度語義理解技術(shù)；

4. 實現(xiàn)面向初等教育問題求解的知識推理。
   

從技術(shù)上來說，就是將自然語言問題解析為與知識庫關(guān)聯(lián)的結(jié)構(gòu)化查詢語句。

他提到如下三個研究方向：

• 第一個方向是知識圖譜的構(gòu)建，主要研究如何從開放域網(wǎng)絡(luò)信息資源中萃取以實體及實體間關(guān)系形式存在的知識條目，并據(jù)此構(gòu)建以圖模式存儲的結(jié)構(gòu)化語義知識庫。

• 第二個研究方向是語義理解與問題求解，也就是基于大規(guī)模結(jié)構(gòu)化知識資源的語義分析與理解。

• 第三個研究方向是答案生成，也就是自然語言答案生成。
  

目前，他們已經(jīng)使用大規(guī)模異構(gòu)知識資源的語義網(wǎng)絡(luò)構(gòu)建了龐大的技術(shù)構(gòu)建語義知識庫，如地理因果邏輯知識庫，他們從地理教材、百度百科和中文維基百科得到 13.49 萬地理因相關(guān)的因果邏輯關(guān)系條目，組成地理因果邏輯關(guān)系知識庫。解答問題使用了基于地理因果關(guān)系資源的排序方法和基于多通道卷積神經(jīng)網(wǎng)絡(luò)的排序方法。他們也能融合多種知識資源進行事實類問題的求解。其中，基于多通道 CNN 的解答器具有加寬卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，最深處有 14 層，有 將近四百萬個神經(jīng)元節(jié)點，兩千七百多萬個網(wǎng)絡(luò)參數(shù)。

未來，他們還想做智能對話系統(tǒng)，希望領(lǐng)域自適應對話系統(tǒng)可以完成檢索式對話、生成式對話和多輪及主動對話技術(shù)。

第七位上臺嘉賓是華為公司中央軟件院知識圖譜首席技術(shù)專家賈巖濤，他的演講主題是《企業(yè)級領(lǐng)域知識圖譜構(gòu)建及其應用》。

他的分享分為四個方面，一是知識圖譜的背景，二是領(lǐng)域知識圖譜的構(gòu)建，三是領(lǐng)域知識圖譜的應用，四是領(lǐng)域知識圖譜的挑戰(zhàn)。

知識圖譜最早由 Google 于 2012 年提出，它是谷歌對其索引的所有事物、任務和地點，例如地標性建筑、名人、城市、球隊、大樓、電影、藝術(shù)品等構(gòu)建的關(guān)系網(wǎng)絡(luò)。知識圖譜從本質(zhì)上講是一個圖結(jié)構(gòu)，由節(jié)點和邊組成。

知識圖譜的構(gòu)建歷程如下，先是人工構(gòu)建、服務于人，隨后是算法構(gòu)建、機器可理解。

他具體講到通用知識圖譜和領(lǐng)域知識圖譜的構(gòu)建，通用知識圖譜常用于搜索領(lǐng)域，為搜索提供豐富的查詢結(jié)果，領(lǐng)域知識圖譜是聚集在某一特定領(lǐng)域的知識圖譜，服務于特定場景。

他表示，領(lǐng)域知識可以劃分為四大類，事實類、概念類、過程類、主觀類，并詳細描述了這四類領(lǐng)域知識。領(lǐng)域知識圖譜的構(gòu)建思路如下：先是領(lǐng)域知識建模，隨后進行數(shù)據(jù)采集、清洗、轉(zhuǎn)換，接下來進行知識抽取、融合，隨后是知識存儲、知識計算等操作。

他們在領(lǐng)域知識抽取上也有若干工作，介紹如下：

• 預定義事件抽取。這一工作發(fā)表在 EMNLP2018 上，傳統(tǒng)事件抽取利用句子級信息獨立預測多個事件，忽略了事件之間的依賴關(guān)系，他們提出了聯(lián)合句子和篇章信息的多事件協(xié)同抽取方法——基于層次標注神經(jīng)網(wǎng)絡(luò)和門控多層關(guān)注機制的多事件協(xié)同抽取。

• 關(guān)系融合，這是與愛丁堡大學合作的一篇工作。關(guān)系之間存在蘊含關(guān)系發(fā)現(xiàn)，是問答系統(tǒng)等上層應用的基礎(chǔ)，現(xiàn)有的基于上下文的關(guān)系相似度的學習方法，無法處理數(shù)據(jù)稀疏問題，他們提出 cross-graph 與 inside-graph 相結(jié)合的蘊含關(guān)系發(fā)現(xiàn)方法。

在報告最后，他談到知識圖譜的三個應用以及三個挑戰(zhàn)。目前知識圖譜可以應用在智能搜索、智能問答、智能運維領(lǐng)域。三個主要的挑戰(zhàn)如下：一是如何將專家經(jīng)驗進行知識化，二是如何自動構(gòu)建知識體系，三是如何做好語音、視頻、圖像等多模態(tài)的全聯(lián)結(jié)。

第八位演講的嘉賓是復旦大學計算機科學與技術(shù)學院教授肖仰華，他主要探討機器語義理解的挑戰(zhàn)與未來，以及如何利用知識圖譜進行語義理解。

他表示，人類之所以成為萬物之靈，是因為其具有語言能力。機器是否具備語言能力？由于機器不能自動理解數(shù)據(jù)，因此目前的大數(shù)據(jù)并沒有被充分的利用。機器缺乏行業(yè)知識，所以不能理解文本和數(shù)據(jù)。當機器具備語言能力時，才能真正產(chǎn)生能為人類服務的人工智能，而不是「人工智障」。

目前的機器語言理解存在兩方面困難。

• 第一個困難是，語言具有歧義性、關(guān)聯(lián)性和抽象性，同一個短語在不同的語境下意思可能大相徑庭。

• 第二個困難是，語言表達具有多樣性，同一個事物可能有一百多種表達方式。

知識圖譜是解決機器語言理解問題的一個方法，他也提到了一些創(chuàng)建方法。在他的研究中，用了兩類常見的知識圖譜：一是概念圖譜，是通過互聯(lián)網(wǎng)里面的語義模式獲取的，采用了協(xié)同過濾等算法；二是涵蓋各種事實的知識圖譜。

他隨后提到，機器對語言的理解涉及到很多方面，包括短語、單詞的集合、對象的集合、不同的類別、不同的動詞結(jié)構(gòu)以及問題等等。理解語言需要將文本里面的對象和知識庫里面的對象關(guān)聯(lián)起來。短文本的理解非常困難，如輸入一段話，為了讓機器產(chǎn)生相關(guān)的概念，必須做兩個工作：區(qū)分出正確概念和錯誤概念，找出信息量更大的概念。

最后，他總結(jié)道，得益于知識圖譜，機器可以做很多語言理解方面的工作。但目前，機器語言理解是基于統(tǒng)計模式的匹配，并不是真正意義上的理解。機器語言的理解還處于初級階段，未來還有還有很多難題需要科學家去解決。

至此，精彩的報告圓滿結(jié)束，各位演講嘉賓，或從學界角度，闡述了知識圖譜的理論、挑戰(zhàn)以及未來發(fā)展，或站在業(yè)界的角度，探討了知識圖譜的使用場景，以及在工業(yè)上的應用。相信在未來，我們將會看到知識圖譜更多技術(shù)上的革新與應用。

雷鋒網(wǎng)

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。