知识|产品视角下的知识图谱构建流程与技术理解(11)

具体来说，首先将用户输入的问句进行解析，找出问句中的实体和关系，理解用户问句的含义，然后在知识图谱中匹配查询语句，找出答案，最后通过一定的形式将结果呈现到用户面前。
知识图谱本身是一个具有属性的实体通过关系链接而成的网状知识库，同时知识图谱本身可以和网页上的内容建立概念间的联系，将网络上的信息、数据、资源关联为语义知识，也就是实现了 WEB 从网页链接向概念链接的转变。
同时，相对于原来的按字符串模糊匹配的模式而言，语义搜索对用户的问句进行分析，找到实体和关系，通过NLP和知识推理理解用户的问句，并在知识图谱中尽可能多的找到相关信息，对回答进行相关度排序，实现了用户的按主题检索而不是传统的按字符串检索。
一个语义搜索系统的基本框架包括查询构建、查询处理、结果展示、查询优化、语义模型、资源及文档等。
具体的应用中，如搜索“混凝土”，不仅搜索混凝土，还会找到其在知识图谱中的上位词，下位词，同义词等词集合，比如砼（同义词）、轻质混凝土（下位词）等等。
返回的检索结果中也会包含这些信息，从而提高了查全率，如果用户检索的本意是查找混凝土中的一个子类，那么实际上还提高了查准率。
再比如搜索“同方集团股价”，会以大写的形式展示实时股价，而不是返回一个网页，这就是从文本中检索答案。另外还可以以图谱化的形式展现，将在可视化部分有限展开。
关系搜索和结构化展示其实属于知识推理、知识统计与图计算部分，在用NLP技术理解了用户的实体和关系要求后，就可以找到两个或多个对应的实体，直接在图谱中查询其互相关系，或者通过知识推理得出其相互关系。
或者是明确了某一实体，找到与其有对应关系的其他实体，比如找到与“混凝土”有“组成”关系的实体，并将其以图谱或表格的形式展示出来，即为结构化表示。
2. 问答系统知识问答是用自然语言的方式与机器进行交互并得到答案，是知识图谱的重要应用。
问答是一种典型的智能行为，图灵测试就是看机器能否做到人一样的问答效果。
问答系统不但要求系统本身能够理解提问者的语义，还要求根据知识图谱进行知识搜索或知识推理以形成答案。
可以说问答系统是信息检索系统的一种高级形式，因为问答系统中同样有查询式理解和知识检索这两个重要过程，且与智能搜索中相应过程中的相关细节是一致的。
多数问答系统更倾向于将给定的问题分解为多个小的问题，然后逐一去知识库中抽取匹配的答案，并自动检测其在时间与空间上的吻合度等，最后将答案进行合并，以直观的方式展现给用户。
一个问答系统应具备的四大要素：
（1）问题
是问答系统的输入，通常以问句的形式出现（问答题），也会采用选择题、多选题、列举答案题和填空题等形式。
（2）答案
是问答系统的输出，除了文本表示的答案（问答题或填空题），有时也需要输出一组答案（列举问答题）、候选答案的选择（选择题）、甚至是多媒体信息。
（3）智能体
是问答系统的执行者，需要理解问题的语义，掌握并使用知识库解答问题，并最终生成人可读的答案；
（4）知识库
存储了问答系统的知识，其形态可以是文本、数据库或知识图谱。
也有工作将知识库编码到计算模型中，例如逻辑规则、机器学习模型和深度学习模型。
智能体利用知识库实现推理。根据知识库表示形式的不同，当前知识问答可以分为传统问答方法（符号表示）以及基于深度学习的问答方法（分布式表示）两种类型。