基于知识的搜索与推荐技术

1、基于知识的搜索与推荐技术背景知识理解技术需求理解技术资涌理解技术用户理解技术知识化搜索与推荐应用案例搜索：智能问答推荐：兴趣点推荐目 录背景- AI 时代用户对信息获取的新需求更加口语化的需求表达更直观的结果背景- AI 时代用户对信息获取的新需求人找信息 信息找人统一结果 干人干面背景 知识是智能化搜索与推荐的重要依赖人 物女演 员演 员名 人用户-解资涌-解需求-解知识图谱背景 什么p知识图谱知识图谱7K-o3ledge G0aph)p一ar向图，图中M括节点、属性及语义关系等要素节点包括：实例7e-1i1y):客观世y存在的对象，如“李彦宏7百度公司K始人)”概d7co-cep1):如“

2、科h”、“文化”、“vg”等事件7e2e-1):如“九一H事变”、“马航MH370事件”主题71opic):如“科h咨询”、“o座文化”、“no街i”等属性、关系：如下图所示中文名 l间道导演 刘伟强、麦G辉国家 中国类型 剧e、犯罪、警匪主演 刘c华、t朝伟制片地区 香w上映时间 2002年12月20日属性关系知识图谱具-丰富的实体、概念、属性、关系等信息，使基于知识的理解、解释、推理成为可能基于知识图谱的理解技术即建立从数据到知识图谱中实体、概念、关系、属性的映射，基于这层映 射机器直接可计算、推理背景 基于知识图谱的理解技术认知需要知识Query= 大头皮鞋作者搜索Query= 想喝点，

3、哪有青岛卖对话背景知识理解技术需求理解技术资涌理解技术用户理解技术知识化搜索与推荐应用案例搜索：智能问答推荐：兴趣点推荐目 录知识理解技术 需求理解目标：将用户Query映射至知识图Q子图(subgraph),-不同层次对文本语义进行刻画。主要内容实体标注：实体与知识军链接概念化：实体的概念泛化知识理解技术 需求理解：问题与挑战概念化开放域，且对知识数据强依赖概念数据稀疏问题短文本信息不丰富实体标注基千知识库的Kn&wledge Embedding基千上下文的语义预E概念泛化知识特征网K构建基千自启动随机游走概念预E的泛化模型核心创新核心创新实体标注上下文信息不丰富（平110字符），语义建模

4、要求高多歧义问题-剧（男演0杨洋、女杨洋）口语化开放域标注知识理解技术 需求理解：实体层技术框架知识理解技术 需求理解：基于知识图谱的knowledge embedding不足无监督对实体文本语义、关系语义无法综合刻画训练效率低创新有监督，大规模样本自动构建同时刻画实体文本语义、关系语义实体独立训练，简便高效针对性优化文本与实体的相-度量场景传 统 方 案本 文 方 案知识理解技术 需求理解-基于知识库的knowledge embedding结合知识库数据、Querylog共现挖掘，生成海量样本，有监督训练每个实体独立训练迭代，针对场景优化同时刻画知识文本语义、结构语义，解决多义实体的歧义 刻

5、画问题知识理解技术 需求理解：基于上下文的语义预测利用知识库挖掘关键信号词，自动构建信号词，实体类型训练集Querylog中Bootstrapping语境搭配样本挖掘利用NN技术更好对短上下文现，通过iSA关系(-(Cl,C2)， 变Q成Cl-C2现词汇网络：全网Query日志词性，依存分布，统计(信号词-e)语义网络：embedding对文本语义向量化，对实体向量化知识理解技术 需求理解：基千自启动随机游走概念预测的泛化模型基千短文本上下文语义预测，根据实体上下文预测&概念类型，解决实体概念数据稀疏问题基千知识特征网络初始化游走模型基千自启动的随机游走模型，综合利用节点多类关系， 解决短文本

6、场景下的最优子-搜索问题知识理解技术 资源理解：文本分类对资源（-：网页、文本段落等）进D语义知识角度的分析，从不同维度对篇章语义信息进D刻画M基于DSSM网络的层次化文本分类知识理解技术- 资源理解：核心实体识别m)nt,on识别C征构建Xg(oo2t分E实体标注C征建设：T)xt-1an-Ent,t5-t)xt-1an-Oth)12 。5戛夭戛克 立2加拿 大Text-rank 示意图Co2(ml,m2)爸爸爸爸去去 mmLL知识理解技术用户理解：兴趣表示体系目标：完成用户到表示体系的关联计算，研发基千知识图谱的用户理解技术，利用subgraph来表示用户基千用户行为的统计归纳提权清况举-

7、：主动搜索，推荐后h点击 等降权清况举-：推荐后短无点击，热点文章新动作权重增大，老动作权重衰减click, weight=!#$_()#(*_ display,weight=!#$_+#,_content model,weight=!#$_-.(_!#$%&!%$, ()%*= -./12345 7%.8*:;52 7%.8*=3 .!A-)B12345 7%.8:;52 7%.8*C3DE=;F 11知识理解技术 用户理解：兴趣表示体系概念关注点体音足球篮球赛车田径足球球队足球明星足球赛事阿森纳博格巴桑切斯厄齐尔西甲英超曼联领域实体转会受伤助攻实体关注点曼城曼彻斯特德比足球明星 转会足球明

8、星 助攻概念背景知识理解技术需求理解技术资涌理解技术用户理解技术知识化搜索与推荐应用案例搜索：智能问答推荐：兴趣点推荐知识化搜索与推荐应用案例 基于图检索结构的精准问答Q = 周杰伦的妻子S-epl:Quer/实4标注 S-ep2: 候选知识拉取:S-ep3:Query/ SP 同义匹配计算S-ep4 : 输出 top1 答案 or NIL周杰伦(Oldn2_yp0:妻子 1 昆8热度lO母4 1 :惠美热度8女儿 1 Hathaway热度4儿子 1 Romeo热度2父4 1 周耀中热度lRRRR知识图谱周杰伦(Oldn2_yp0周杰伦H妻子匹配PL实4标注子=拉:昆8NIL决策昆 8知识化搜

9、索与推荐应用案例 基于图检索结构的精准问答知识化搜索与推荐应用案例 基于para动态计算的答案提取电影 片尾曲 音乐作品知识化搜索与推荐应用案例 基于动态函数与规则推理的答案满足用户行为知识图谱资谅数据基础 数据概念识别结构化韶析通用挖掘关联计笢质量控制消歧归特征计笢表示 体系概念泛化关联消歧关键词匹配来谅识别实体标注权值计笢知识 认知垃圾过滤候选召回基础排序重复控制召回 排序权值计笢用户模型更新用户 建模知识化搜索与推荐应用案例 基千兴趣的资源推荐对比千协同算法，很好的解决了冷启-的问题可以满足更多的产品对资源分类的需 求，如频道页等支持更加人性化、智能化的推荐策 略，如场景化推荐可以更好的刻画用户的兴趣，为用户 提供更加丰富的服务推荐喜欢琅哪榜知识化搜索与推荐应用案例 基于知识体系的兴趣探索制作商：山东0视3述性标签：优质古装剧主演：胡歌获-：第