知识图谱在图灵机器人的落地和应用

输入：刘德华的妻子是谁

知识图谱显示：朱丽倩

输入：刘德华的妻子的女儿是谁

(通过第二方查阅第三方)

知识图谱显示：刘向蕙

输入：朱丽倩与陈冠希的关系

知识图谱显示：

通过刘德华的电影《江湖》结识的

输入：刘德华

在知识图谱页面通过标签颜色

来确定查询人名的类别

随后，魏晨通过视频展示了一个可爱的聊天机器人“智娃”与人互动的情况。笑容可掬的“智娃”以其敏捷的动作和机敏的回答令大家忍俊不禁，并得到大家一致的称赞。

接下来魏晨进行了知识图谱的简介，并介绍了在图灵机器人的应用中所需构建的知识图谱的类型。

•    1）理解问题，产生更合理丰富的回答

•    2）抓住对话的主题，引导对话

•    3）输出知识和信息

•    产品设计和技术能力的互补

•    1）结构化数据：实体-关系，（实体，属性，值）

•    2）非结构化数据： joint extraction, 实体-关系

•    1）百科实体类型人工检查构建类型层次结构

•    2）参考schema.org的type hierarchy修改补充层次结构

•    3）实体类型层次与conceptnet融合

•    4）融合后的实体转化为RDF并存储进入neo4j

在产品的实践应用过程中，魏晨给我们讲述了在做产品时遇到的一些问题和解决方案，令人十分受用。

在进行聊天和智能问答的过程中，根据用户反馈数据来看，问询简单句的占比高达98.5%，只有1.5%的问题为复杂句。但是在做复杂句的处理过程中，由于受到各种原因的限制，回答的正确率不能达到95%。

在复杂句上的过多投入并不能与产出成正比，用户日常的聊天问答主要以简单句聊天为主。因此团队转而主攻简单句，做出的产品受到了更多用户的喜爱。

图灵机器人的用户图谱的记忆和构建十分重要，通过对用户常问的问题进行总结融合记忆和构建，可生成一个个性化的用户知识图谱。

这样就可以使得机器人更加富有情感性，为更多用户所喜爱和接受。并且通过这种个性化用户知识图谱的构建，还可以进行用户的关联性推荐，例如用户的可能喜好的推荐等等。

最后魏晨展望了图灵机器人以下两点的潜在应用：

1、topic-event-entity graph

2、应用在task-oriented multi-turn dialogue中

并欢迎大家加入图灵机器人的大家庭！