主题：[转帖]领域应用 | 基于知识图谱的厨房领域问答系统构建

Tip：索答科技已经将 50w 菜谱本体信息在 OpenKG 上开放出来，每个菜谱包含菜名，食材，味道，烹饪时间等属性。链接

http://openkg.cn/dataset/summba-recipe

 

 
第一个部分就是我们厨房这个领域的问答，到底我们有哪些问题，或者我们应该怎么去做问答；接下来就是在问答系统当中，我们有很多的方式都可以去解决一个问题，那最后我们选择目前看来比较科学的一种方式，就是知识图谱技术；之后会跟大家分享一下，我们在整个的过程当中踩过的一些坑，就是遇到的一些问题，最后也给大家探讨一下我们遇到的一些困难。
 
1 厨房领域的问答系统
 

首先我们看一下，在我们这个厨房产品当中，我们有四个部分的回答。第一个部分就是菜谱，菜谱我们分成了很多的维度，通过问答系统，你可以知道哪一道菜，比如说红烧肉怎么做等等。第二个部分就是音乐，那在厨房里面这个枯燥的时间，我们可以说：“我想听一个轻松的音乐”等等。视频也是类似的，比如说我想看《人民的名义》第九集等等。最后一块是厨电的控制，那我们的清单是把厨房的厨电部分，做了一个中控系统，就是说我可以打开油烟机，比如说打开灶具，你可以做到这样的一个联动，再比如说我想炒鸡蛋，那可能你的灶具跟你的油烟机，要同时打开来这样的。
 
那么接下来的部分，我们主要是探讨菜谱这一块的内容，就是我们如何用知识图谱这样一种方式，去处理这样的一个菜谱的问答的问题。

 

那菜谱首先是这样的，比如说我们以水煮鱼为例，它不仅仅是水煮鱼怎么做，就这样结束了对吧。它有很多很多的维度，就比如说你这个水煮鱼的食材到底是什么，你是用草鱼制作，还是用鲫鱼制作，然后你这个水煮鱼是什么样的味道？然后它有什么样的功效等等。那我们就把它形成了这样的一张图，那这个图中间的这个点就是我们菜谱的名称，然后后面有各种各样的属性，以及它的属性值，我们大体要做这样的一个原始的，一个最小化的节点就是这样的。

那下面我们有三种不同方式的可以去跟它沟通。第一个就是同意表达，就是说我就说了“水煮鱼的做法”就这样的一句话，那这个时候可能我们的用户在使用的时候，是各种各样的问法，因为你不清楚大家，你要怎么去问他。这个里面随便列了一些，就比如说我针对厨房的一款产品，就跟他说水煮鱼，那你说它应该要出来一个什么样的结果，因为它这是有一个场景的限定的。另外比如说我想知道水煮鱼的菜谱，或者是查一下水煮鱼的做法，我应该怎么做水煮鱼等等。那么只要是大家问到这样的类似的，或者是同意的一种表达，那我们应该出来的结果都是同一个，就是我要教你做这个水煮鱼，怎么去做它，然后在同一个问题当中，我们现在是统计了一下，目前的语料当中显示，我们现在有超过40种的方法，都是同一个问题是这样的，我们要解决这样的一个问题。

 

第二个就是多个维度的问题。我们刚才说的这个话题，一个水煮鱼我们怎么去问它，下面就是说在这个水煮鱼，我们从第一幅图看来，它有很多很多周边的一些维度，那么比如说就像食材，那食材我可以说洋葱能做什么菜，我也可以刚才说的那个草鱼能做什么菜，可能水煮鱼只是它的一个部分是这样的，然后还有功效，比如说减肥要吃什么菜对吧，尤其是现在健康饮食也是得到大家越来越关注的一个点。比如说一个肚子比较大的人，可能问他的时候，就问减肥要吃什么菜，还有菜系，比如说粤菜、川菜等等。另外还有一种组合的问法，比如说我现在冰箱里只有土豆和牛肉，那它能做什么菜，或者是能做什么不辣的菜，这样的一些非常复杂的一些问法，然后我们目前的这个维度一共有8个，如果把这8个维度，跟我们的食材本身，让它们交叉，相互的这样去组合的话，其实它的问法是无穷无尽的，你不清楚别人到底要怎么去问，所以这样的一个问题，你是没办法罗列，或者是用规则的方式去处理这样一个问题。

 

另外一个就是页面上的一些指令。这些指令跟我们本身的页面是有关系的，右下角的这张图，就是说宫保鸡丁怎么做，怎么做之后我们就会出来一个页面，这个页面上面有三个信息，一个就是有它的视频，右边是它的食材，再下面是它的步骤。那在这个页面的时候，我可能就不会再说我想看一下宫保鸡丁的视频，那在这个页面，我可能就会跟他说看一下视频，那这个就需要这样一个看信息，那在这个页面说看一下视频，那特指就是宫保鸡丁的视频，步骤也是一样的，然后除此之外，可能到步骤页面之后，我只会跟他说下一步，我不会说第三步或者是第四步等等。所以这一个菜谱，领域范围里面所有的这样的，我们说到三个部分的一些问法。

 

那么整个的厨房领域里面，我们处理流程是这样的，首先我们的这个产品，是用语音去跟它交互的，所以第一个部分我们要进行语音的识别。语音识别它不是一直都是监听的过程，就是说首先这个就像跟人说话这样的一个交流过程是一样的，那我可能首先打个招呼，然后再去跟你说话，那这个部分我们叫做语音唤醒。然后唤醒之后，我们就可以用语音去跟它说话，说完之后，它要把这个语音变换成文字。那这个环节叫语音听写，变成了文字之后，这个文字其实有很多的，也是有错误的信息的，那么前面这个部分，目前国内应该是科大讯飞做的是最好的，另外还有思必驰都会做这一块。那目前前面这个部分，我们也是调上科大讯飞的接口，那么调完了之后，我们就得到了文本。

那这个文本我们会发现，里面有很多很多不是我们想要的，举个例子说，就像鱼香肉丝怎么做？那最后我们调到检索之后，出来的文本是“雨”香肉丝，那么这个时候你再到实体里面去做匹配的时候，就会出错。所以我首先在做语义分析之前，第一步要进行文本的纠错，那文本纠错我们这个里面，主要用到两种方式，一种方式就是一个概率模型，就在我们的语料库里面，然后我们做了一个字跟词之间，序列这样的一个概率模型，那么一句话来了之后，我就会看，这个词它出现下一个词的概率是多高，然后对它进行纠错。另外还有一些本身实体，本身的名称，我们就到实体铺里面，去给它进行纠错是这样的。那么纠完错之后，下一步我们是进行垃圾过滤，因为我们这个里面一共有四类，其实我们分类的结果，应该是五个类别，就是4+1，那这个里面的垃圾来自于我们是不是在跟机器说话，或者说我问的是不是跟它相关的问题，或者我是不是在跟别人说话，以及我们这个里面，还有一些什么其他的，就是跟它无关的这样一些垃圾，要把它过滤掉。那么过滤的这个准则，主要还是用检索这样的一种方式，就是我们有问题相关的实体库，然后你来这一句话，我会跟它进行比较是这样。第三步我们进行文本分类，这些地方的主要工作，是分本分类的技术，我们已跨过了两个台阶。首先我们做了一些问句的模板，就比如说什么怎么做，或者是什么菜怎么吃，我们把所有的跟菜谱相关的动词都拿下来了，应该是 231 个，然后再根据它的上下文，去做这样的一个事情。那么第二个步骤，我们现在应该全部把它放到 Deep Learning 里面去用 CNN 去训练。因为我们目前它的分类的文本的 training set 已经足够大了，也就是说我所有的正文本的标注是足够的.那这样的话，任何一句话来了之后，我们在每一个里面做了一个二分类这样的一个问题，现在基本上全部转换成 Deep Learning 这样一种方式。文本分类之后，我们就知道它是哪一个类别的，那这个时候我就把它里面的实体以及属性把它抽取出来，就比如说红烧肉怎么做，那我就把红烧肉拿出来，以及“做”这样的一个动词拿出来，那我就知道它们的组合方式，接下来我就会生成这个逻辑表达式，逻辑表达式我们现在生成的就是“与或非”之间的关系，比如说就像土豆、豆角它们两者其实是连着的关系，比如辣不辣是“非”的关系。然后最后我们要到知识图谱中查找的时候，我们会生成这个SPARQL查询语句，这个语句还是 Apache Jena 里面开源出来这样的一种方式，后面我们也会提到。

做好了语义分析的这一步之后，我们就可以得到我们想要的答案了，那这个答案我们是分在三个地方的，一个就是数据库，比如说我们有一些图片的 ID，或者是实体的 ID，这些就在数据库里面根据 ID 把它拿出来。另外一个部分，有一些实体，我们是放在 Elasticsearch 里面的，这样的话我们从里面检索出来就好了。但我们有一些语义跟实体之间的推理关系的时候，那我们就把它放在知识图谱里，然后从知识图谱里面出答案。在这个的这个流程当中，是我们目前的一个基本的流程。

 

之前的话，我们也曾经尝试用 Elasticsearch 去做过这样一件事情。那也就是说 ES 其实它只是个检索的功能，就是在 Lucene 存储的基础之上然后做的一个分布式的一个框架。那在这个里面，它主要是基于关键字这样的一个搜索方式来做的，是否包含着这个关键字。但是知识图谱，它会有关键词的上下位这样的一层关系，就是说它具有推理的功能。那下面举个例子，比如我们说萝卜能做什么菜，会发现有胡萝卜什么炒肉，或者是白萝卜什么炖汤，那这样的就找不出来了。就是说在一个仅仅是从词匹配的角度上来说，那只能做到这一步，那这个时候如果我们有上下位的关系，那我知道这个萝卜下面它是包含着红萝卜或者是白萝卜，并且它们都是食材的这样一个分类。大家如果是一直跟着 CCKS 这样的一个规律，就会发现这个图其实跟 CCKS 第二届的时候，漆桂林教授讲的一个知识图谱分类的那一张特别像，当时写的是疾病的那样的一张图，其实我们把它运用到这样的一个食材当中来了。那这个就是我们目前所做的这一个领域问答里面的相关问题。
 
2 知识图谱技术的运用

 

 

下一个话题我们来说一说我们的知识图谱，在我们刚刚说的这样的一些问题当中，是怎么得到解答的。首先我们看一看，目前这样的一个整体框架。

2.1 整体框架

2.1.1 数据存储
我们从下往上看，首先数据我们要把它存在什么地方。我们要把它的基础数据，目前是用这样的一个分布式框架，那么基础数据，我们会放在 Hbase 里面，就比如说我们菜谱的图片数据，那这样的数据它是很大的一个数据集，那就会放在 Hbase 里面。然后我们需要处理的一些数据，一些原始数据，我们也会放在 Hbase 里面，然后我们通过 MapReduce 的程序去得到我们想要的一个结果，我们想要这个结果的时候，我们就会把它同步到Mongodb里面去。因为 Hbase 跟 Mongodb 它们各有优势，Hbase 写入的速度，如果跟 Mongodb 比起来的，它要快了更多，但是它读取的速度，是不如 Mongodb。那也就是说我最后呈现的数据，要从 Mongodb 里面呈现出来，那么 Hbase 主要是做基础数据的存储是这样的。然后还有一些关系性特别强的数据，我们会放在 Mysql 里面，但是这一块基本上已经非常弱化了。

那么第二个部分就是图数据，那么图的数据，就是我们刚才讲的那个三元组的这样一种方式，那么三元组它会一个实体、个数跟三元组，三元组的个数会是实体个数的好多倍这样的一种关系。因为它们之间要不同的组合，那这个时候，我们采用的是网络本体语言就是 OWL 这样的一种表示方式，但是这个除此之外，前面应该还有 RDF 这样一种方式，其实我们是直接伴随了 RDF，因为现在有参考了很多的论文之后，OW L其实是比 RDF 更先进的一种方式，那我们才开始采用的是这样一种方式。

然后对于大量的数据存储，那我们就必须要找一个持久化的工具，因为 OWL 它是一个文件格式的一种方式，Neo4j 我们做了，但是最后我们线上的系统并没有采用它，原因是什么呢？因为 Neo4j 首先它是个收费的，它那个节点的个数是有限定的。那我们现在采用的是 TDB 的方式，TDB 也是 Apache 基金会里面出来的 TDB，后来我们也会讲它。

另外我们有一些索引的数据，比如说我们有小的指令级的，就像我们刚刚说的上一页、下一页、翻页、换页这样的生成并不多，并且它匹配的准确率又非常高，就是它在一模一样的情况下，我才会让它去做，这个地方，可能就不需要做泛化，所以我就会把它放到 Trie 树里面去。然后有一些实体会放到 Elasticsearch 里面去查询，还有一些小的数据集也要索引，那我就会放到 Lucene 里面，然后之后的缓存数据，还是用的 Redis 这样的一个分布式的缓存处理。

2.1.2 数据采集

那么下面一层就是数据采集，那么我们要想达到这样的一些数据把它存储起来，所以我们要采集 8 万个数据。首先我们做菜厨，所以一些垂直网站，就比如说掌厨，下厨房，还有豆果网一些数据，另外我们人工编辑了很多的数据，比如说问句。因为这个问句人工也是不可能一步把它收集完了，但这个里面我们也有一个算法去做这种大量的问句，我们说了刚才的问句，同一个问题的问句是非常非常多的，那这个时候往往大致过程是这样的，首先把这个问句进行分析，首先找种子问句，种子问句拿到了之后，我们会对它进行分词，然后把每一个词到 word2vec 里面去训练，就是找它相关的词出来，相关的词把它们的位置序列记好，然后做笛卡尔积。这样的做完了，我就会生成大规模这样问句的数据，当然里面有一些是不正确的句子，那这个时候我们也会用我们文本纠错的马尔可夫链的方式，做它的概率模型去纠正它，那这样的话，我会生成大量的这样一些问句，然后人工也会筛选一些是这样的。其实我们也申请了一个专利，就是我们怎么进行问句生成的。然后动词的收集，就是跟领域相关的这些动词，我们觉得它是有穷尽的，就是它是能够拿的到，虽然我们的问句是无穷无尽的，那我们收集了200多个跟菜谱相关的动词，以及同义词的收集。比如说番茄炒蛋怎么做你能够出来，然后西红柿炒鸡蛋你就出不来了，这样是不对的，所以我们这个里面也做了大量的同义词的专门的训练。

之后还有一些开放的知识库，比如说同义词词林出来的，刚才漆教授给大家分析的这个 OpenKG，OpenKG 其实有很多的这种开放的数据源，而且是免费的。我们接下来在做音乐的领域的时候，清华大学就在 OpenKG 里面贡献了音乐的数据，全部是三元组的方式，也希望大家能够去打开 OpenKG，去看一下里面有很多免费的数据源是非常不错的，然后还有 WordNet 一个开放的数据。另外我还抓了很多的百科数据是这样。

2.1.3 知识库构建

之后我们在知识库构建的时候，首先就是分成两个步骤去做它，一个就是我们知识的融合。首先我们要做时序融合，就是你之前做的实体，它的实体链接是不是根据时间的推理，而它换掉了它本身的这样一个含义，进而做本体的扩充。还有一个就是多源融合，我们会看到我们的菜谱，不止来自于一家网站，这样就会形成同一道菜，但是它的菜名不同，那我们要做这样的一个多源的融合，把它做一个实体的匹配和概念的对齐。做后了之后，我们就要做知识计算，就是把这一些知识融合起来之后，我们哪一些是它的属性，哪一些是它的实体，以及它们两者之间的关系到底是什么？

2.1.4 数据访问

之后我们到数据的访问，我们用 SPARQL 的访问，还有自然语言查询。自然语言查询就是说红烧肉怎么做，那我就给你出来结果，你也可以自己能够写到SPARQL的时候，那我的系统也是支持你能够出结果的，但是我们还有SDK的方式，放在你的系统里面可以用。当然我现在也把逻辑表达式的那个查询放出来了，如果你用过逻辑表达式，我也会自己把它转化成SPARQL语句然后给你出结果是这样的。

2.1.5 知识运用

那在运用这一层，我们主要是把它运用在语义搜索，目前我们可能是在厨房领域这样的一个知识问答当中。

 

下面我们就把前面那一幅图抽象成这样的一个图谱，然后它旁边有很多很多的属性，之后我们一共抽出来 19 个菜谱的属性，那这个里面所有的跟它相关的东西，我们都可以，应该能问的出来，比如说就像人群，还有功效、菜系等等。

2.2 知识图谱的构建

 

接下来我们说一说知识图谱的整个构建过程，就是我们刚刚看到了，我们整个的一个图，抽象出来是这个样子的，那我们怎么把它构建出来呢？首先我们应该有菜谱的本体的模板，那这个模板里面，我会定义好，我有哪一些菜，有哪一些属性是这样的，然后下面我们有一个菜谱的数据集，那这个数据集我们是放在 Mongodb 里面，就是我们已有这样的一个数据把它放好。之后把这两者结合，我们就成了一个本体语言这样的实例数据，再加上我们本体语言的一个头文件，之后我们就变成了菜谱的OWL文件。那这个文件到底展开什么样子的，我们下面看一下，这四个部分到底展开什么样子？

 

我们菜谱本体的模板就是我们自己去定义的，其实这个里面哪一些是食材名称，还是菜系还是什么等等。第二个就是我们菜谱的数据集了，就是把所有的东西放进去，第三个部分就是它的实例数据，比如说水煮鱼是你定义的是菜谱的名称，然后下面我们把菜谱的数据集放到这个里面去，然后加上 OWL 的头文件，这个头文件是有模板的，其实这样是写的，那唯一不同的地方，就是我们一个 reboot 下面是不一样。有了这几步之后，我们把它放在哪里？就放在这个 TDB 当中，这个 TDB 当中，整个的流程是这样的。

 

从本体的构建，那这个本体是我们本身有的这样的一个菜谱数据的本身，然后我有两条线。我们首先不看那个黄色的，看下面的这样的一个部分，通常的做法是这样的，我们把它放到这个本体文件当中，我们刚刚看到 OWL 到底是什么东西，其实你可以放到 RDF 里面这个没所谓的，之后我们会有一个 URI 的一个映射文件，ttl这样的一种映射方式，然后来同时解析，然后在 TDB 里面，我们会根据 Jena 的 TDB 写一个 TDB 的增删改查，通常的这样一条线，这样它就能走完。

另外我们公司就想做一个红色的一条线，中间我是不是可以不生成一个 OWL 文件，我只要把我的文件，原始数据能够放到 TDB 里面这种格式就好了，因为它支撑这种查询就好了。这一部分研究我们应该也就结束了，就是我们可以直接把一个数据库里面的菜谱文件，然后直接把它放到 Jena TDB 这样的一个存储系统当中，然后这样的话，我们文件把它放上去了，然后我们怎么把它查出来呢？查的时候也有两种方式，一种方式根据我们自己的 CRUD 读出来，读到我们的数据集段中，然后通过 URI 把它映射成我们的一个本体模型，这样通过 SPARQL 就可以把它读出来。

另外 Apache 还提供了一个 Fuseki 的 SPARQL 服务器，我们直接 Load 进来，Load 进来之后我们通过 HTTP 往外读是这样的。但下面是一个推理规则的时候，我们也是这样，我们要有 rules 文件跟推理器，那整个的流程就是这样去做的。

 

2.3 搜索流程

后面我们看一下搜索的流程，那么整个搜索，我们有一个语义逻辑的表达式，我们把它放进来了，举了个例子就是马铃薯能做什么不辣的菜？那我们现在就可以把它搜索出来，怎么搜索？第一步这个语义分析结束之后，我就知道这个马铃薯它是一个实体，并且我要找的不辣的。那么下面我们就开始分析，马铃薯是 MUST，就是它一定要也，这个辣就是 MUST NOT，就是一定没有这样的一层关系。再下来我就要做同义表达，同义处理，就马铃薯它也是土豆，所有土豆也是 MUST。之后我在做这种实体属性，它们的映射关系，然后来生成这个 SPARQL 语句。跟我们的数据库查询有一点像，但是也不完全一样的这样的一种方式。那最后我们查询的结果是菜谱里面的ID值是这样的，那有了ID值的话，我就可以从数据库，通过ID的方式把它拿出来，这样的话就会非常快。
下面我们举几个例子来说一说我们语义搜索的一些结果，现在针对于这种单属性值这样的一种表现方式，我们是怎么去做的呢？你比如说土豆和豆角可以做什么菜？这两者之间是“和”的关系，就是它们两个都要有，就是土豆跟豆角，那这样的话，我们查询出它的结果就会是这个样子。

2.4 语义搜索

 

下面我们继续看一个比较复杂的一个查询，土豆“和”西红柿“或者”豆角可以做什么不辣的菜谱，这个首先我们是从属性基础角度上面去分析这一句话，就是说这个里面土豆，这个里面可以加豆角也可以不加，西红柿可以加豆角也可以不加，是这样的一种方式，是这样的一种或。然后最后它们出的菜，都应该是不辣的一个菜，所以我出来的结果是比如说西红柿炒土豆片，就是它们两个有吗，西红柿土豆炖牛肉是这样的。然后后面就是土豆跟豆角，它们两者之间的出现，因为它们是或，不是限定的，那这样的它们就出来了，那这个语句其实还是比较复杂的一个语言现象的处理方式。

2.5 查询性能

 

后面我们看一下，我们知识图谱的一个性能问题。其实我们搭建知识图谱本身的时候，就刚刚开始用OWL这样的一种方式把它放起来，然后发现这个文件越来越大，然后它的效率会越来越低是这样的。但后来的话我们采用了TDB的方式去处理了这个事情，这边是我们的一个测试，那么我们每一个测试是100次，然后各个属性，这个属性有一点小，比如说第一个是土豆，或者是土豆怎么烧，然后不辣等等，基本上我们所有的查询，都应该是在50毫秒之内能够完成它的结果。然后有一个特别的不正常，就是那个不辣，比如说我想做一个土豆不辣的菜，然后我们会发现这个查询，它的耗时超过了150，就是跨了好几倍这样的一种方式，那么这个原因是什么？就是说我们上面的标签没有不辣，我们要么就是甜，要么就是酸，要么就是辣，你如果要查它不辣怎么去做呢？那我就要查这个属性它是甜的，等于要把所有其他的属性都查了一遍，所以这个时候它就特别慢，那我们现在后来的这种处理方式是怎么去处理它呢？就是离线去处理，我们整个库当中的数据，比如说它是甜的，那它一定不是辣的，不是这样的，那这样的话这一个查询的结果，它的信息就会同步提高。
 
3 曾经踩过的一些坑
   
后面一个部分我们看一下，我们在这个过程当中遇到的一些问题，以及我们的解决方法。

 

首先就是相关性查询的问题，那么我们会遇到的第一个问题，比如说土豆可以做什么菜，然后我们就出现了一个结果叫紫苏炒三丁。因为我们的这个结果是从哪里找的，我们是从食材里面去找的，只要这道菜当中，包含着这个食材当中有土豆，那我们就会把它拿出来，那么就会发现它本身的这个菜的名称当中不包含，就查出来好像是错一样，就这种体验非常不好。后来我们就是处理它，怎么处理呢？我们首先离线去处理所有菜谱的名称，把菜谱名称当中含有食材的部分，单独拿一个列表，列出来，把这个字放进去，然后我们再查询的时候，就首先到这个里面去查，是不是跟它有相同的，然后再出这样一个结果，如果没有的话，那你只能从食材当中去查，然后我查完了之后跟百度比了一下，就是跟到百度的属性去找的时候，我们会发现有很多我们出来的结果跟它是重复的。

 

第二个就是知识图谱的同步的问题。我们生成了这样中间的 OWL 文件，我们的实体库每天都在不断地更新，不断地更新，那你线上的 OWL 文件，因为你是从数据库里读出来，读成这个三元组的这种方式，那么我们怎么才能够把我们最新的，最实时的做好的这个数据，能够在我们线下系统去使用？后来我们生成了两份文件，就是 OWL1—ready，还有一个是 OWL2 是这样的，然后每次来读取的时候，我就搁一个小时一次，去看一看这个文件夹里面，到底谁是 Ready，就把它读走，然后读走了之后，这一份就把它删掉是这样的。然后它在更新的时候，更新完了之后，它会变成 Ready，这样两份的交替使用，那线上它就会做这样一个无缝的切换。

 

知识图谱里面的搜索是有一个问题的，就像我们经常用 ElasticSearch 的人就会发现，检索里面的排序其实是非常容易去做的，本身底层就写了一个排序打分的 TF-IDF，这样的一个模型。然后你会发现你用知识图谱的时候，你非常不习惯，因为它附近的这些节点的权重都是一样的。比如说我们土豆能做什么菜，那你所有出来的这些菜的话，在我们知识图谱里面，映射的本身其实它是扁平的，就是这个土豆它是一个节点，能够到哪一些菜谱上面，都可能拿出来。那这个时候你就会发现，如果是在产品当中的使用，你就会发现你所列出来的那些菜大家都不认识，我都没有见过，这个体验也是很不好的。后来我们又在知识图谱的这个属性当中，去加了一个热度的一个值，这个热度到底是多大，这个热度我们主要是通过点击次数去计算，就是哪一道菜，就是把它们查出来之后，它们哪一道菜的点击量会更大，它们更热，然后就会把它调制的参数把它往前排是这样的。

 

最后一个看一下三元组的一个存储问题，刚才也提到了，就是我们实际在使用，全部用 OWL 这样的一种方式存储的话，那这个文件会越来越大，越来越大。其实它的查询是以加载到内存当中的这样一种方式，那这种太大的时候，就会非常影响你的速度，并且你的整个机器都会被拖垮。如果你是分析实验的话，你可以这样去做，但真正的你的这个数据量开始越来越大，那现在我们的菜谱的节点，已经超过了 80 多万，所以三元组的个数会更大，这样的一种方式。然后我们采用的就是 TDB 的这样的存储方式，刚刚也说过了。下面是 TDB 的一个页面，左边这一幅图是 TDB 存储完了之后，它里面的目录文件，右边是它提供的一个页面，我们可以看的到，用 STDB 的方式我们直接可以读到它。
 
4 遇到的一些挑战与困难
 

最后说一下我们遇到的一些问题，跟大家探讨一下。我们现在是在做菜谱的整个的这样一个方式，那在这个里面，我们还是花了很多的时间，花了很多的人力去做这样一件事情。然后我们刚刚 PPT 的开头，跟大家说到我们做厨房领域，是有四个方面的这样一个问答，接下来我们一个月视频怎么办，那我们同样也要用这样的一种方式去做，我们在菜谱里面下了更多的工夫，我们做了这么多的实体，三元组它的查询方式，那我们现在做音乐，我们怎么能够把它移植过去？就是我们一个跨领域的问题，那你会发现，音乐的时候其实它的那个属性是不一样的，它比如说有劲爆的，有小清新的等等，你在做这个，除了那个基础工作是一样的，就是这一套理论，这一套分布式，或者查询这样的一种方式是相同的，但是这种属性和属性值，好像我们要重新来过一次。
   
第二个问题，我们看到我们语义理解过程当中，其实我们主要还是在做文本的分类，说明分完类之后，我们去做它的属性抽取，然后生成一个逻辑表达式，我们就知道这一句话到底在说什么，或者说它想查询什么，其实在干这样的一件事情。其实知识图谱的运用，还没有把它运用到自然语言理解这样的一个事情当中来。我们用多少数据的一个知识图谱的时候，我们就不需要再做这样的一个事情，那我们讲的一句话，就把它直接应用到我的知识图谱的应用里面去，如果它在我的每个节点上面都有体现，并且这个节点之间是有关系，那我就知道你就在说什么，我就不需要再做前面大量的这些工作，包括这种分类，是不是也就不需要了。因为我都知道你在说什么了，那我一定知道你的类别是什么，但是这一块可能要慢慢去积累，去做这样的一件事情。总之目前这样的一种方式，应该是还不能够达到语义理解的这样一个层面。

后面一个话题是这样的，比如是我们现在做的一些事情，其实我们用了大量的数据量，去训练一个模型。其实这个模型怎么形成的，就是一个规律。在这个过程当中，其实表达的意思是这样，就像我们用一个二元一次方程，如果我们用深度学习的方式怎么去解二元一次方程，那我本身这样的一个表达式，可能就是 ax^2 + bx + c = 0，这样的一个式子，最后我解出 x_1 跟 x_2 等于多少就行了.如果我们用这方面的方式去做，我会怎么做？我会把 a，比如说从 1 到多大的一个数据集，去取这样一个数据，并且 b 也是这样去取，c 也是这样去取。取完了之后如果我标注，比如说 x^2+x+1 = 0，那 x 等于多少，这样去标注，然后我标注的数据越大，我的方法就会越强，我就一定能够把 x 就解出来。那这样的话，我们用了这么大量的数据，其实我们解决的一个问题是什么？我们其实就是找了求根公式是不是就可以了。如果知道这样的一个公式就可以了，所以我们大量的工作需要放在，找这种大量的数据集，并且去做标注，还是我们应该去找的求根公式，当然这个找大量的数据集，肯定是找求根公式的一种方法，这个是毋庸置疑的，但是我们是不是还有一种方式，直接有另外的一种方式，能够找到这样的求根公式，能够去处理我们这样的一个问题。那这个就是我们也在尝试着去做一些事情，尤其是这个部分，我们想去做一些中文汉字和词，它们本身这样的一层关系，就比如说我们的汉字常见的有 3000 多个，你把那个大的词典拿出来，可能是 7000 多个，然后我们的汉语当中所有的词，大词典当中的词，现在收录的是 58000 多个，这样的加起来的话应该不到 7 万。那如果把它们之间的关系，以及它们之间的含义内容表示清楚，用某种方式表示清楚，那我们是不是就可以能够映射本身的一个图谱，或者是帮助我们的语义理解，那这个也是我们研究的一个话题。
 
5 总结

 

最后总结一下，首先我们觉得这个问答系统，一定是未来的一个发展趋势，并且它在处理这样的具体的领域问题的时候，我觉得它还是能够带来一些实际的价值。因为未来这样的一个，我们所有使用的这样一个工具，它是有很多的历史变迁，就比如说我们以前用电脑的时候，用鼠标用键盘这样的输入方式，后来我们再用手机的时候，跟你的键盘、鼠标的输入方式已经完全不同了对不对，你不可能拿着手机在手里，拿着一个鼠标去点它，或者是键盘去敲它，你都是手去触碰它。然后未来的这种发展，它应该是两极分化的一种方式，要么就是没有屏幕，就比如说一些音响的出现，它是没有屏幕的，那么你怎么去跟它交流，你不可能用鼠标，手滑这种趋势是不可能的，你一定是用语音的方式去跟它交互。

另外一种就是屏幕会越来越大，比如说这个屏幕大到这个样子的，或者说整面墙都是这样子的，那你可能去鼠标或者手滑，你一定是语音这样的一种方式，那我们觉得语音的问答这样的一种方式，是未来的一个趋势。第二个在问答系统当中，知识图谱在目前看应该还是比较科学的一种方法。第三个其实知识图谱的它的使用价值，应该是很多很多的，但是终将能够把它转换成运用的，这个你们应该还有很多很多的挑战，那我们觉得也是一个值得深入和广泛研究的一个领域，也希望大家能够更多的研究和探讨，谢谢大家。

- end -