一文秒懂机器人如何通过知识图谱回答用户问题

  机器人的大脑是结构化的

聊天机器人学习大量的文本、照片等非结构化文件，通过一些AI技术（如NLP自然语言处理、多模态识别、目标识别等）按其语义结构化成知识图谱，这个知识图谱就是聊天机器人的大脑了。

知识图谱由“实体”和“关系”组成，对应图中的点和边，具有逻辑推理功能和特征表达功能。常见“实体”类型有时间、地点、人物、事件等，常见“关系”有“出生于”、“父母”、“孩子”、“夫妻”、“出生于”等等。

机器人消化人类语言

         ️先从用户的问句中锁定目标实体为“汤姆·汉克斯”这个人、关系为“合作过”，再根据经验定义出用户的意图是

。也就是说用户用自然语言表达的问题“哪些导演和汤姆·汉克斯合作过？”要先被翻译成机器能理解的结构：

最后️到知识图谱中把所有

长这样的子图给比对出来即可得到答案。

 

按机器语言去知识图谱中搜索答案

答案的质量取决于聊天机器人的知识量

 

       我们会发现“菲利达·劳埃德”这个答案显而易见能得出，但“史蒂芬·斯皮尔伯格”和“汤姆·汉克斯”合作过的关系没有收纳入知识图谱，机器人就给不出该答案。聊天机器人和人一样，回答问题会受到自身知识储备的局限呢～～

---

目前市面上很多聊天机器人还不是通过知识图谱构造的或者确实由知识图谱构造但结构简单知识面没跟上，所以会出现很多答非所问的情况。随着商业化的不断演进，或许将来每个人都能拥有一个自己的贾维斯呢～

更多内容关注微信公众号：