贾强槐：蚂蚁大规模知识图谱构建及其应用

作者：贾强槐 2023-09-08 07:45:32人工智能 知识图谱 知识图谱旨在利用图结构建模、贾强及识别和推断事物之间的槐蚂复杂关联关系和沉淀领域知识，是蚁大应用实现认知智能的重要基石， 已经被广泛应用于搜索引擎、规模构建智能问答、知识语言语义理解、图谱大数据决策分析等众多领域。贾强及本文将分享蚂蚁集团在知识图谱上的槐蚂工作。

一、蚁大应用图谱概览

首先介绍知识图谱的规模构建一些基础概念。

1、知识什么是图谱知识图谱

知识图谱旨在利用图结构建模、识别和推断事物之间的贾强及复杂关联关系和沉淀领域知识，是槐蚂实现认知智能的重要基石， 已经被广泛应用于搜索引擎、蚁大应用智能问答、语言语义理解、大数据决策分析等众多领域。

知识图谱同时建模了数据之间的语义关系和结构关系，结合深度学习技术可以把这两者关系更好得融合和表征。

2、为什么要建知识图谱

我们要建设知识图谱主要是从如下两点出发考虑：一方面是蚂蚁本身的数据来源背景特点，另一方面是知识图谱能带来的好处。

[1]  数据来源本身是多元和异构的，缺乏一套统一的知识理解体系。

[2]  知识图谱能够带来多个好处，包括：

• 语义标准化：利用图谱构建技术提升实体、关系、概念等的标准化和归一化水平。
• 领域知识沉淀：基于语义、图结构实现知识表示和互联，从而积累丰富的领域知识。
• 知识复用：构建高质量的蚂蚁知识图谱，通过融合、链接等服务多下游，为业务降本提效。
• 知识推理发现：基于图谱推理技术发现更多长尾知识，服务风控、信贷、理赔、商家运营、营销推荐等场景。

3、如何构建知识图谱的概览

在构建各类业务知识图谱的过程中，我们沉淀出了一套蚂蚁知识图谱的通用构建范式，主要分为如下五个部分： 

• 从业务数据出发，作为图谱冷启动的重要数据来源。
• 他域的知识图谱同现有图谱进行融合，通过实体对齐的技术来实现。
• 业务领域结构化的知识库同现有的知识图谱的进行融合，也是通过实体对齐的技术实现。
• 非结构和半结构化的数据，例如文本会对其进行信息抽取，通过实体链指技术实现对现有图谱进行更新。
• 领域概念体系和专家规则的融入，将相关概念、规则与现有知识图谱进行链接。

有了通用的构建范式后，就需要进行体系化的建设。从两个视角来看蚂蚁知识图谱的体系化建设。首先是从算法视角来看，有各种算法能力，比如知识推理、知识匹配等等。从落地视角来看，自下而上，最下面的基础依赖包括图计算引擎和认知底座计算；其上是图谱底座，包括NLP&多模平台以及图谱平台；往上是各种图谱构建技术，基于此我们就可以构建蚂蚁知识图谱；在知识图谱的基础上，我们可以做一些图谱推理；再往上，我们提供一些通用的算法能力；最上面是业务应用。

二、图谱建设

接下来分享蚂蚁集团建设知识图谱的一些核心能力，包括图谱构建、图谱融合、图谱认知三个方面。

1、图谱构建

图谱构建的流程主要包括六步：

• 数据源，获取多元数据。
• 知识建模，将海量数据转化成结构化的数据，从概念、实体和事件三个域来建模。
• 知识获取，搭建了知识加工研发平台。
• 知识存储，包括Ha3存储和图存储等。
• 知识运营，包括知识编辑、在线查询、抽取等。
• 持续学习，让模型自动地进行迭代学习。

构建过程中的三个经验与技巧

融合专家知识的实体分类

在构建知识图谱中，需要对输入的实体进行分类，在蚂蚁场景下是一个大规模多标签分类的任务。为了融合专家知识来进行实体分类，主要做如下三点优化：

• 语义信息增强：引入label语义图表示学习的Embedding。
• 对比学习：加入层次label监督的对比。
• 逻辑规则约束：融入专家先验知识。

领域词表注入的实体识别

在实体识别的基础上，从字词连边的图结构出发，让模型学习到对连边的合理赋权，对噪声词连边减小权重。提出了边界对比学习和语义对比学习两个模块：

• 边界对比学习，用来解决边界冲突问题。在词表注入之后，构建一个全连接图，用GAT来学习每个token的表征，边界分类正确的部分构建一个正例的图，错误的部分构建负例的图，通过对比让模型学到每个token的边界信息。
• 语义对比学习，用来解决语义冲突问题。借鉴了原型学习思想，把label的语义的表征加进来，强化每个token与label语义之间的关联关系。

逻辑规则约束的小样本关系抽取

在领域问题上我们的标注样本很少，会面临few-shot或zero-shot的场景，在这种情况下进行关系抽取的核心思想就是引入外部知识库，为了解决语义空间不同导致的性能下降问题，设计了基于逻辑规则的推理模块；为了解决实体类型匹配导致的死记硬背问题，设计了细微差异感知模块。

2、图谱融合

图谱融合是指不同业务领域下图谱之间的信息融合。

图谱融合的好处：

• 跨业务的知识复用：基于图谱本体模型，实现跨业务的知识连接。
• 减少无效数据拷贝：连接即可应用，标准化知识服务链路。
• 业务快速价值落地：减少业务找数据的成本，通过知识复用带来更大业务价值，降本提效。

图谱融合中的实体对齐

知识图谱融合过程中一个核心技术点就是实体对齐，这里我们采用了SOTA算法BERT-INT，主要包括两个模块，一个是表示模块，另一个是交互模块。

算法的实现流程主要包括召回和排序：

召回：在表示模块，利用标题文本的 BERT向量相似度召回。

基于标题+属性+邻居的排序模型：ü 利用表示模块，完成对标题、属性和邻居的向量表示：

• 计算标题的cos相似度。
• 分别计算两个实体的属性和邻居集合间的相似度矩阵，并提取一维相似度特征。
• 将三个特征拼接为特征向量计算Loss。

3、图谱认知

这一部分，主要介绍一下蚂蚁内部的知识表示学习框架。

蚂蚁提出了一个基于Encoder-Decoder框架的知识表示学习。其中Encoder是一些图神经的学习方法，Decoder是一些知识表示的学习，比如链接预测。这套表示学习框架可以自监督产出通用的实体/关系Embedding，有几个好处：1）Embedding Size远小于原始特征空间，降低了存储成本；2）低维向量更稠密，有效缓解数据稀疏问题；3）同一向量空间学习，对多源异质数据的融合更自然；4）Embedding具有一定的普适性，方便下游业务使用。

三、图谱应用

接下来分享几个在蚂蚁集团中知识图谱的典型应用案例。

1、图谱的场景应用模式

在介绍具体案例前，先来介绍一下蚂蚁知识图谱场景应用的几种模式，主要包括知识获取、知识管理和推理，以及知识服务。如下图所示。

2、一些典型的案例

案例1：基于知识图谱的结构化匹配召回

业务场景是支付宝主搜里面的小程序的内容下挂，要解决的业务痛点是：

• 商品实体，以及商品上下位关系匮乏。
• 小程序商品级理解能力弱。

解决方案是，构建了商家知识图谱。结合商家图谱的商品关系，实现对用户query商品级别的结构化理解。

案例2：用户意图实时预测在推荐系统应用

这一案例是针对首页推荐进行用户意图实时预测，构建了AlipayKG，框架如上图所示。相关工作也发表在顶会www 2023上，可以参考论文做更进一步的理解。

案例3：融合知识表征的营销券推荐

这个场景是消费券推荐的一个场景，业务面临的痛点为：

• 头部效应严重。
• 用户核销领取行为稀疏。
• 冷启动用户和券很多，缺少对应的足迹数据。

为了解决上述问题，我们设计了融合动态图表征的深度向量召回算法。因为我们发现用户消费券的行为是有周期性的，静态的单条边是无法建模这种周期性行为的。为此我们首先构建了动态图，接着采用团队自研的动态图算法来学习Embedding表征，得到表征之后再放到双塔模型中去，进行向量召回。

案例4：基于诊疗事件的智能理赔专家规则推理

最后一个案例是关于图谱规则推理。以医疗保险健康图谱为例，包括医学知识、理赔规则、“人”的健康的信息，进行实体链指，再加上逻辑规则，来作为决策的依据。通过图谱实现了专家理赔效率的提升。

四、图谱与大模型

最后简单探讨一下在当前大模型快速发展的背景下知识图谱的机遇。

1、知识图谱与大模型的关系

知识图谱与大模型各有优缺点，大模型的主要有通用知识建模和普适性等优点，而大模型的缺点正好是知识图谱的优点所能弥补的。图谱的优点包括准确性很高、可解释性强等。大模型和知识图谱是能够相互影响的。

图谱和大模型的融合通常存在三种路线，一种是利用知识图谱来增强大模型；第二种是利用大模型来增强知识图谱；第三种是大模型和知识图谱协同并进，优势互补，大模型可以认为是一种参数化的知识库，知识图谱可以认为是一种显示化的知识库。

2、大模型与知识图谱相应用的案例

大模型应用于知识图谱构建

在知识图谱构建的过程中，可以利用大模型来进行信息抽取、知识建模和关系推理。

如何利用大模型来应用于知识图谱的信息抽取

达摩院的这个工作将信息抽取问题分解成了两个阶段：

• 在第一阶段，我们想要找到文本中存在的实体、关系或者事件类型，以减小搜索空间和计算复杂度。
• 在第二阶段，我们根据前面抽取的类型和给定的对应列表，进一步抽取出相关信息。

将知识图谱应用于大模型

将知识图谱应用于大模型主要包括三个方面：

将知识图谱整合到大模型输入中。可以利用知识图谱来进行数据清洗，或利用知识图谱直接显式地进行形式化拼接。

将知识图谱融合到大模型训练中。比如同时进行两个任务的训练，知识图谱可以做知识表示的任务，大模型做MLM的预训练，两者联合建模。

将知识图谱注入到大模型推理中。首先可以解决大模型的两个问题，一是将知识图谱作为先验约束，来避免大模型“胡说八道”；第二就是解决大模型时效性问题。另一方面，基于知识图谱，可以为大模型生成提供可解释方案。

知识增强的问答系统

主要包括两类，一块是知识图谱增强的问答系统，即用大模型来优化KBQA的模式；另一个是信息检索增强，类似LangChain、GopherCite、New Bing等用大模型来做知识库问答的形式。

知识增强的生成式搜索问答系统，有如下优势：

• 通过接入搜索系统，解决时效性问题。
• 通过提供Reference链接，可以进行人工核查，以解决事实性错误问题。
• 引入搜索结果，丰富上下文，增强大模型生成效果。

3、总结与展望

知识图谱与大模型如何更好地交互协同共进，包括如下三个方向：

• 推进知识图谱和大模型在NLP、问答系统等领域的深入应用。
• 使用知识图谱进行大模型的幻觉检测和去毒。
• 结合知识图谱的领域大模型研发。

责任编辑：姜华 来源： DataFunTalk 知识图谱深度学习

(责任编辑：娱乐)