【知识图谱】复旦大学：基于知识图谱的用户画像技术研究

复旦大学 基于知识图谱的用户画像技术研究

 
基于标签的用户画像

基于标签的用户画像：给 用户打兴趣、行先、属性等不同维度的标签，并 赋以不同的权重，以准确刻画用户。

当前画像的主要问题
-不全
•数据稀疏 
•隐私保护
-不准
•噪音标签 
•粒度太粗

 
什么是知识图谱

 
知识图谱

知识图谱是一种海量知识表征形式， 表达了客类实体及其之间的各种语义关系。
-更高的实体、概念覆盖率
-更为丰富的语义关系 -自动化构建程度
-较高的数据质量

 
利用知识图谱改善用户画像

 
基于社交图谱的标签扩展

 
基于社交图谱的标签传播

问题：很多用户处于隐私考虑，不愿发布标签，或者刻意隐藏自己的行为
思路：从你的好友，寻求关于你的合适标签
方法：基于PageRank机制，让好友的标签传播到特定用户
-越多好友具有某个标签，用户越可能具有某个标签
-关系越强，标签越可能传播到某个用户

 
基于标签传播的用户画像

 
基于知识图谱的标签扩展

 
基于知识图谱的标签扩展

 
标签泛化

 
基于最小描述长度的标签泛化

 
基于知识图谱的夸平台推荐

 
互联网标签系统体系架构

产品由"三库一引擎"构成，可以独立构建。也可以作为大数据分析处理平台的有机组 成部分，定位于业务感知层，向下对接数据融合层，对上服务于数据应用层。

 
URL标签化及维护实现原理

 
知识工场

阿里知识图谱多智能：千万级别拦截量，亿级别全量智能审核次数

新零售技术解读 

导读：阿里巴巴生态里积累了海量的商品数据，这些宝贵的商品数据来自于淘宝、天猫、1688、AliExpress等多个市场，同时品牌商、行业运营、治理运营、消费者、国家机构、物流商等多种角色参与其中，贡献着校正着这样一个庞大的商品库。但无论从知识产权保护角度，还是提升消费者购物体验，实现商品数据的标准化（商品规范的统一和商品信息的确定性）, 以及与内外部数据之间的深度互联，意义都非常重大，阿里商品知识图谱承载着商品标准化这一基础性，根源性的工作。

在马老师 “像治理酒驾一样治理假货”的号召下，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，最大可能地借助大数据、人工智能阻止坏人、问题商品进入阿里生态。同时面临问题商家实时的对弈、变异和恶意攻击等诸多挑战，知识图谱仍然保持着每天千万级别的拦截量，亿级别的全量智能审核次数，在滥发、侵权、合规、假货、经营范围等多个场景全面与问题卖家正面交锋，实时对弈。为了最大限度地保护知识产权，保护消费者权益，我们对知识图谱推理引擎技术提出了智能化、自学习、毫秒级响应、可解释等更高地技术要求，实现良好的社会效益。

阿里知识图谱运用

阿里商品知识图谱承载着商品标准化这一基础性，根源性的工作。通过知识表示来规范对商品数据的描述。基于此，我们才能知道哪些商品是同样一件产品，我们才能确切地知道一个品牌是否被授权，品牌下的产品卖到了哪些市场。

阿里知识图谱以商品、 标准产品、 标准品牌、 标准条码、标准分类为核心， 利用实体识别、实体链指和语义分析技术，整合关联了例如舆情、百科、国家行业标准等9大类一级本体，包含了百亿级别的三元组，形成了巨大的知识网。

阿里知识图谱综合利用前沿的NLP、语义推理和深度学习等技术，打造全网商品智能服务体系，服务阿里生态中的各个角色。商品知识图谱广泛地应用于搜索、前端导购、平台治理、智能问答、品牌商运营等核心、创新业务。能够帮助品牌商透视全局数据，帮助平台治理运营发现假货，帮助行业基于确定的信息选品，做人货场匹配提高消费者购物体验等等。为新零售、国际化提供可靠的智能引擎。

引入机器学习算法搭建推理引擎

我们设计了一套框架做知识表示和推理。此外：知识图谱实体、关系、词林（同义词、上下位词）、垂直知识图谱(例如地理位置图谱、材质图谱)、机器学习算法模型等都纳入进来做统一的描述。

按照不同场景，我们把推理分为：上下位和等价推理；不一致性推理；知识发现推理；本体概念推理等。例如

1.上下位和等价推理。 检索父类时，通过上下位推理把子类的对象召回，同时利用等价推理（实体的同义词、变异词、同款模型等），扩大召回。 例如，为保护消费者我们需要拦截 “产地为某核污染区域的食品”， 推理引擎翻译为 “找到产地为该区域，且属性项与“产地”同义，属性值是该区域下位实体的食品，以及与命中的食品是同款的食品”。

2.不一致推理。在与问题卖家对弈过程中，我们需要对商品标题、属性、图片、商品资质、卖家资质中的品牌、材质、成分等基础信息， 做一致性校验。比如说标题中的品牌是Nike而属性或者吊牌中品牌是Nake，如下图所示，左边描述了商品标题、属性、吊牌上的品牌信息是一致的， 推理为一致。右边为吊牌和商品品牌不一致的商品，被推理引擎判断为有问题的商品。

1.知识发现推理。

一致性推理的目的是确保信息的确定性， 例如通过一致性推理我们能确保数据覆盖到的食品配料表正确。但消费者购物时很少看配料表那些繁杂的数字。消费者真正关心的是无糖、无盐等强感知的知识点。为了提高消费者购物体验，知识发现推理通过底层配料表数据和国家行业标准例如

无糖：碳水化合物≤ 0.5 g /100 g（固体）或100 mL（液体）

无盐：钠≤5 mg /100 g 或100 mL

做逻辑推理。可以把配料表数据转化为“无糖”“无盐”等知识点。从而真正地把数据变成了知识。通过AB test验证，类似知识点在前端导购中极大地改善了消费者购物体验。

推理引擎背后技术框架

首先， 推理引擎把自然语言通过语义解析(semantic parsing)转换为逻辑表达式(logical form)。语义解析采用了结合神经网络和符号逻辑执行的方式：自然语言经过句法、语法分析、 NER、 Entity Linking， 被编码为分布式表示(distributed representation)，句子的分布式表示被进一步转义为逻辑表达式。

在分布式表示转换为逻辑表达式的过程中，我们首先面临表示和谓词逻辑(predicate)操作之间映射的问题。我们把谓词当做动作，通过训练执行symbolic operation，类似neural programmer中利用attention机制选择合适的操作，即选择最有可能的谓词操作，最后根据分析的句法等把谓词操作拼接为可能的逻辑表达式，再把逻辑表达式转换为查询等。过程示意如下图所示。

其次，逻辑表达式会触发后续的逻辑推理和图推理。逻辑表达式在设计过程中遵循以下几个原则：逻辑表达式接近人的自然语言，同时便于机器和人的理解。表达能力满足知识图谱数据、知识表示的要求。应该易于扩展，能够非常方便的增加新的类、实体和关系，能够支持多种逻辑语言和体系，如Datalog、OWL等，即这些语言及其背后的算法模块是可插拔的，通过可插拔的功能，推理引擎有能力描述不同的逻辑体系。

以上下位和等价推理为例：“产地为中国的食品”，”

用逻辑表达式描述为：

∀ x: 食物(x) ⊓ (∀ y: 同义词(y，产地)) (x, (∀ z: 包括下位实体(中国, z)))

随后找同款：

∀ t, x: ($ c:属于产品 (x, c) ⊓属于产品(t, c))

此外，推理引擎还用于知识库自动补全。我们基于embedding做知识库补全。主要思路是把知识库中的结构信息等加入embedding，考虑了 Trans系列的特征，还包括边、相邻点、路径、实体的文本描述 (如详情)、图片等特征，用于新关系的预测和补全。

阿里知识图谱经过我们三年的建设，已经形成了巨大的知识图谱和海量的标准数据，同时与浙江大学陈华钧教授团队成立联合项目组，引入了前沿的自然语言处理、知识表示和逻辑推理技术，在阿里巴巴新零售、国际化战略下发挥着越来越重要的作用。