本文主要講知識圖譜中對相關AI技術及NLP自然語言理解（NER/ER/CR/RE），在愛奇藝産品中的應用，enjoy~

國際研究咨詢公司Gartner調查指出，根據人工智能技術成熟曲線，有86%的人工智能技術尚未進入成熟期，但AI技術中也有非常成熟的AI技術，例如：CV（人臉識别、體态識别等）、計算機聽覺，MIC拾音提取音素等。

本文主要講知識圖譜中對相關AI技術及NLP自然語言理解（NER/ER/CR/RE）在愛奇藝産品中的應用。

一、需求：AI知識圖譜技術應用的業務場景

我們看一個視頻常常會在視頻的旁邊看到猜你喜歡，偶爾可能也會在視頻上進行彈幕讨論一下視頻内容，或者在看視頻的過程中會看到與視頻中某個内容相關的小廣告飄出，還有為了看視頻充值而咨詢一下人工智能客服，又或者智能醫療，或者網上快速獲得貸款的背後的金融智能風控等等。

總結下來AI知識圖譜的商業應用需求場景如下：視頻推薦，AI鑒黃、廣告精準推薦、金融風控、教育（智能排課/監播體系/手寫體）、醫療、投資等等。

二、概念：知識圖譜的前世今生

知識圖譜前世：

根據維基百科獲得知識圖譜曆史即前世：知識圖譜2012年加入Google搜索，2012年5月16日正式發布，首先可在美國使用。知識圖譜除了顯示其他網站的鍊接列表，還提供結構化及詳細的關于主題的信息。

其目标是，用戶将能夠使用此功能提供的信息來解決他們查詢的問題，而不必導航到其他網站并自己彙總信息，即起始階段知識圖譜是Google的一個知識庫。

AI知識圖譜的今生個人見解：

傳統數據庫——>知識圖譜化，所有傳統低效率的數據表現形式（指：數據相關架構、數據結構、數據表、數據庫）都會逐步轉向高效率的AI知識圖譜化。原因是AI知識圖譜才是用戶想要的數據可視化，怎麼理解呢？

例如你搜索連詩路，是一個網頁那就是傳統數據庫展示的結果，如果搜索連詩路顯示上海路奇智能科技創始人，AI賦能AI重新定義産品經理等暢銷書的作者，那麼後者就是AI知識圖譜實現的數據可視化。

三、視角：知識圖譜處理視頻中鑒禁語&鑒黃的應用流程

具體的業務問題是管理愛奇藝視頻直播中的禁用詞語和黃色視頻，首先确定了AI知識圖譜應用範圍。

然後步驟流程如下：

1. 數據的收集 & 預處理

建立一個禁用語語料庫，這個禁用語可以有第三方語料庫供應商提供，也可以自己建立，也可以在第三方語料庫的基礎上進行疊代匹配使用。

在數據收集和處理階段會用到AI知識圖譜的命名實體識别NER技術，也會用到關系抽取RE，實體統一ER、和指代消解ER等NLP的子技術。

原因是數據分為結構化數據和非結構化數據及半結構化數據，結構化是指數據庫裡的數據，而我們遇到的大多數數據是非結構化和半結構化數據，例如數據庫不能直接存取的數據大多是非結構化數據。

以上圖直播視頻圖為例，SS=手速，MS=秒射，而XD=胸大or兄弟？這裡就需要AI知識圖譜中的NLP的指代消解ER技術來理解處理SS=手速，MS=秒射，然後判斷是否需要封鎖背後的ID，當然做一款産品還要考慮封了以後的步驟，本文先不多說，日後再開篇撰寫。

2. 設計知識圖譜

關于知識圖譜的設計有很多原則，總體概述下來有：以理解業務原則、以可以分析為原則、以高效為原則、以含可拓展為原則、以其他規則為原則等等。

但是設計知識圖譜過程如下：

（1）需要哪些實體、關系和屬性？

連詩路與路奇是兩個實體，合夥人是一個屬性，智能是另外一個屬性，連詩路與暢銷書《AI賦能》是兩個實體，作者是一個關系屬性，還可能有2019年等等屬性。

例如下圖：

（2）哪些屬性可以做為實體，哪些實體可以作為屬性？

構建ER實體關系圖的時候，有些屬性可以作為實體，有些實體可以作為屬性，在關系轉化中有兩條準則如下：

1. 作為屬性，不能再具有需要描述的性質。屬性必須是不可分的數據項，不能包含其他屬性。
2. 屬性不能與其他實體具有聯系，即E-R圖中所表示的聯系是實體之間的聯系。

3. 講知識圖譜存在知識圖譜數據庫中

存儲上要面臨存儲系統的選擇，但由于設計的知識圖譜帶有屬性，圖數據庫（區别于傳統數據庫SQL/MYSQL等）可以作為首選，但至于選擇哪個圖數據庫也要看業務量以及對效率的要求。

如果數據量特别龐大，則Neo4j很可能滿足不了業務的需求，這時候不得不去選擇支持準分布式的系統比如OrientDB, JanusGraph等，或者通過效率、冗餘原則把信息存放在傳統數據庫中，從而減少知識圖譜所承載的信息量。

通常來講，對于10億節點以下規模的圖譜來說Neo4j已經足夠了。

四、應用：愛奇藝智能客服奇小藝産品設計

1. 構建奇小藝知識圖譜

根據實體、屬性兩個元素完成一個知識圖譜的構建，步驟如下：

1. 根據知識領域對原始知識進行分類，如充值類、賬号密碼知識等，以部分充值類知識為例，包括“充值入口在什麼地方？”、“充值的客服官方電話号碼？”、“充值轉讓辦理業務需要什麼資料？”、“充值辦理業務能不能退費？”等；
2. 确定同類問題的實體，如步驟 1 中問題的實體為“充值”；
3. 确定實體的屬性列表，如實體“充值”的屬性包括“官方入口地址”、“官方客服電話”、“服務内容”等；
4. 檢索實體的全部屬性，确定所有下級屬性，如屬性“服務内容”的下級屬性包括“電影”、“禮物”等；
5. 重複步驟 4 直至不存在下級屬性。

構建知識圖譜如下圖所示：

2. 将奇小藝知識圖譜實例化

知識圖譜的實例化是指為知識圖譜中的實體和屬性設置條件、為屬性設置參數以及為實例設置标準答案的過程。一個知識圖譜可以有多個實例，每個屬性實例擁有一個标準答案。

實例化過程如下：

1. 确定待實例化對象，如“充值”；
2. 設置條件，完成對象的實例化，如條件為“奇秀右上角充值入口”，得到對象實例“奇秀充值鍊接”；
3. 确定待實例化屬性，如“官方客服電話”；
4. 設置參數，完成屬性的實例化，如參數為“直播”，此時對象實例為“奇秀直播充值”，屬性實例為“直播充值”；
5. 為屬性實例設置标準答案，如“010-xxxxxxxx”。

以上完成了一個實體及其屬性的實例化，同一個實體可擁有多個屬性實例，如對象實例“奇秀充值”的屬性實例可包括“電影”、“直播刷禮品”等。

3. 奇小藝智能問答

基于知識圖譜的答案搜索首先需要進行中文分詞，根據中文分詞結果從知識庫中搜索匹配，實例化知識圖譜如下圖所示：

如上圖所示流程中，系統依次從分詞結構中檢索實體、條件、屬性、參數，确定實例化的屬性，并返回實例化屬性對應的答案，完成答案搜索。

五、推薦AI知識圖譜相關的知識和學習的方法

首先是閱讀書籍和在實踐中學習的方法第一本是AI産品思維：

《AI 時代産品經理的思維方法》

《AI賦能：AI重新定義産品經理》AI技術助力，AI技術落地産品賦能的案例及去哪裡學的方法。非常暢銷，得到多位圈内朋友推薦。

#專欄作家#

連詩路，公衆号：LineLian。人人都是産品經理專欄作家，《産品進化論：AI 時代産品經理的思維方法》一書作者，前阿裡産品專家，希望與創業者多多交流。

本文原創發布于人人都是産品經理。未經許可，禁止轉載。

題圖來自Unsplash, 基于CC0協議

,

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!

查看全部