導(dǎo)讀：發(fā)展是平臺(tái)永恒的話題，以電商平臺(tái)為例，在基于用戶身份、歷史行為挖掘偏好，以實(shí)現(xiàn)精準(zhǔn)搜索和推薦結(jié)果展示之外，為了激勵(lì)用戶在平臺(tái)進(jìn)行更多采購，需要專門構(gòu)建強(qiáng)化采購激勵(lì)、拓寬采購品類的場(chǎng)景。本文以知識(shí)圖譜為切入點(diǎn)，重點(diǎn)講解了阿里巴巴B2B在電商結(jié)構(gòu)化信息挖掘和場(chǎng)景應(yīng)用等方面的經(jīng)驗(yàn)。

知識(shí)圖譜并不是一個(gè)全新的概念，它經(jīng)歷了知識(shí)工程、專家系統(tǒng)、語義網(wǎng)絡(luò)等多種形式。

01

知識(shí)工程與專家系統(tǒng)

在1977年第五屆國際人工智能會(huì)議上，美國斯坦福大學(xué)計(jì)算機(jī)科學(xué)家Edward A. Felgenbaum發(fā)表的文章The art of artificial intelligence. 1. Themes and case studies of knowledge engineering，系統(tǒng)性地闡述了“專家系統(tǒng)”的思想，并且提出了“知識(shí)工程”的概念。他認(rèn)為：“知識(shí)工程利用了人工智能的原理和方法，為那些需要專家知識(shí)才能解決的應(yīng)用難題提供求解的一般準(zhǔn)則和工具。在1984年8月全國第五代計(jì)算機(jī)專家討論會(huì)上，史忠植教授提出：“知識(shí)工程是研究知識(shí)信息處理的學(xué)科，提供開發(fā)智能系統(tǒng)的技術(shù)，是人工智能、數(shù)據(jù)庫技術(shù)、數(shù)理邏輯、認(rèn)知科學(xué)、心理學(xué)等學(xué)科交叉發(fā)展的結(jié)果?！?專家系統(tǒng)最成功的案例是DEC的專家配置系統(tǒng)XCON。1980年，XCON最初被用于DEC位于新罕布什爾州薩利姆的工廠，它擁有大約2500條規(guī)則。截至1986年，它一共處理了80 000條指令，準(zhǔn)確率達(dá)到95%～98%。據(jù)估計(jì)，通過減少技師出錯(cuò)時(shí)送給客戶的組件以加速組裝流程和增加客戶滿意度，它每年為DEC節(jié)省2500萬美元。 一個(gè)典型的專家系統(tǒng)如圖1所示，其特點(diǎn)主要包括：

在特定領(lǐng)域里要具有和人一樣或者超出人的高質(zhì)量解決困難問題的能力；

擁有大量、全面的關(guān)于特定領(lǐng)域的專業(yè)知識(shí)；

采用啟發(fā)的方法來指導(dǎo)推理過程，從而縮小解決方案的搜索范圍；

能夠提供對(duì)自己的推理決策結(jié)果進(jìn)行解釋的能力；

引入表示不同類型知識(shí)（如事實(shí)、概念和規(guī)則）的符號(hào)，專家系統(tǒng)在解決問題的時(shí)候用這些符號(hào)進(jìn)行推理；

能夠提供咨詢建議、修改、更新、拓展能力，并能處理不確定和不相關(guān)的數(shù)據(jù)。

圖1 專家系統(tǒng)架構(gòu)

可以看到，專家系統(tǒng)大量依靠領(lǐng)域?qū)＜胰斯?gòu)建的知識(shí)庫。在數(shù)據(jù)量激增、信息暴漲的當(dāng)下，人工維護(hù)知識(shí)庫的方式在效率和覆蓋率上都難以達(dá)到令人滿意的水平。另外，推理規(guī)則的增加也增加了系統(tǒng)的復(fù)雜度，從而導(dǎo)致系統(tǒng)非常難以維護(hù)。

02

語義網(wǎng)絡(luò)與知識(shí)圖譜

1. 語義網(wǎng)絡(luò)伴隨著Web技術(shù)的不斷發(fā)展，人類先后經(jīng)歷了以網(wǎng)頁的鏈接為主要特征的Web 1.0時(shí)代到以數(shù)據(jù)的鏈接（Linked Data）為主要特征的Web 2.0時(shí)代，目前Web技術(shù)正逐步朝向Web之父Berners Lee在2001年提出的基于知識(shí)互聯(lián)的語義網(wǎng)絡(luò)（semantic Web），也就是Web 3.0時(shí)代邁進(jìn)。 在Web 2.0時(shí)代，互聯(lián)網(wǎng)發(fā)展迅猛，數(shù)據(jù)的規(guī)模呈爆發(fā)式增長，基于統(tǒng)計(jì)的機(jī)器學(xué)習(xí)方法占據(jù)主流，并且在各個(gè)領(lǐng)域取得不錯(cuò)的成果。例如搜索引擎，搜索的流程大致可拆分為基于用戶查詢、召回、L2R這3個(gè)過程，一定程度提升了用戶獲取信息的效率。但是這種服務(wù)模式仍然是把一系列信息拋給用戶，用戶最終還是需要對(duì)數(shù)據(jù)進(jìn)行篩選、甄別，才能拿到自己最需要的信息。因此這種服務(wù)方式在效率、準(zhǔn)確率上都有缺陷。 語義網(wǎng)絡(luò)的目標(biāo)是構(gòu)建一個(gè)人與機(jī)器都可理解的萬維網(wǎng)，使得網(wǎng)絡(luò)更加智能化，在解析用戶查詢意圖的基礎(chǔ)上，提供更加精準(zhǔn)和快速的服務(wù)。傳統(tǒng)的語義網(wǎng)絡(luò)要做到這一點(diǎn)，就需要把所有在線文檔構(gòu)成的數(shù)據(jù)都進(jìn)行處理并存放在一起，形成一個(gè)巨大、可用的數(shù)據(jù)庫。 這么做需要強(qiáng)大的數(shù)據(jù)處理和Web內(nèi)容智能分析能力：首先就需要對(duì)這些Web數(shù)據(jù)進(jìn)行語義標(biāo)注，但是由于Web數(shù)據(jù)具有體量巨大、異質(zhì)異構(gòu)、領(lǐng)域范圍大等特點(diǎn)，所以如何自動(dòng)給Web上的網(wǎng)頁內(nèi)容添加合適的標(biāo)簽成為技術(shù)痛點(diǎn)之一。另外，面對(duì)已經(jīng)標(biāo)注過的Web數(shù)據(jù)，機(jī)器如何進(jìn)行思考和推理也是亟待解決的問題。 由于上述問題的存在，在語義網(wǎng)絡(luò)提出后的10年間，其沒有得到大規(guī)模應(yīng)用，但是在對(duì)其研究的過程中，積累沉淀了成熟的本體模型建模和形式化知識(shí)表達(dá)方法，例如RDF（Resource Description Framework）和萬維網(wǎng)本體語言（Web Ontology Language，OWL），這為后續(xù)知識(shí)圖譜的出現(xiàn)奠定了基礎(chǔ)。2. 知識(shí)圖譜① 知識(shí)圖譜概述知識(shí)圖譜由Google公司于2012年5月16日第一次正式提出并應(yīng)用于Google搜索中的輔助知識(shí)庫。谷歌知識(shí)圖譜除了顯示其他網(wǎng)站的鏈接列表，還提供結(jié)構(gòu)化及詳細(xì)的相關(guān)主題的信息。其目標(biāo)是提高搜索引擎的能力，希望用戶能夠使用這項(xiàng)功能來解決他們遇到的查詢問題，從而提高搜索質(zhì)量和用戶體驗(yàn)。 知識(shí)圖譜是結(jié)構(gòu)化的語義知識(shí)庫，用于以符號(hào)形式描述物理世界中的概念及其之間的關(guān)系。其基本組成單位是“實(shí)體-關(guān)系-實(shí)體”三元組，以及實(shí)體及其相關(guān)屬性-值對(duì)，實(shí)體間通過關(guān)系相互連接，構(gòu)成網(wǎng)狀的知識(shí)結(jié)構(gòu)。隨著知識(shí)圖譜構(gòu)建規(guī)模越來越大，復(fù)雜度越來越高，開始出現(xiàn)實(shí)體、類別、屬性、關(guān)系等多顆粒度、多層次的語義單元，這些關(guān)聯(lián)關(guān)系通過統(tǒng)一的知識(shí)模式（Schema）抽象層和知識(shí)實(shí)例（Instance）層共同作用構(gòu)成更加復(fù)雜的知識(shí)系統(tǒng)。 從定義中可以看到，知識(shí)圖譜是一個(gè)語義知識(shí)庫，具備足夠的領(lǐng)域知識(shí)，其最重要的組成成分是三元組。三元組通常可以表示為G=，其中R表示知識(shí)圖譜中實(shí)體間所有關(guān)系的集合，例如關(guān)系“is_a”。一般情況下，關(guān)系都是帶方向且有明確語義的，反之則關(guān)系不能成立，例如“阿里巴巴is_a公司”。也有一些關(guān)系是雙向的，例如“張三is_friend_of李四”，反之亦然。對(duì)于這種雙向關(guān)系，通常情況會(huì)對(duì)調(diào)實(shí)體位置，拆分為2個(gè)三元組分別存儲(chǔ)。實(shí)體Eh、Et?E={e1,e2,...,e|E|}分別表示頭實(shí)體（Head Entity）、尾實(shí)體（Tail Entity），兩個(gè)實(shí)體共同用于表征關(guān)系的方向。 實(shí)體及其屬性可以用一種特殊的關(guān)系三元組表示，例如“has_a”。實(shí)體和屬性的界線比較模糊，一般從業(yè)務(wù)角度出發(fā)，在設(shè)計(jì)Schema的時(shí)候，如果認(rèn)為某類屬性具有一類概念的共性，同時(shí)在后面的推理（例如路徑游走時(shí)新關(guān)系發(fā)現(xiàn)）中能夠發(fā)揮作用，就可以把它作為實(shí)體對(duì)待。還有一類屬性，比如年齡、身高，這類單純描述實(shí)體特征的最細(xì)粒度屬性，則一般被設(shè)計(jì)為屬性。② 常見開放知識(shí)圖譜WordNet是由普林斯頓大學(xué)認(rèn)知科學(xué)實(shí)驗(yàn)室于1985年構(gòu)建的一個(gè)英文電子詞典和本體知識(shí)庫，采用人工標(biāo)注的方法構(gòu)建。WordNet主要定義了名詞、形容詞、動(dòng)詞和副詞之間的語義關(guān)系，包括同義關(guān)系、反義關(guān)系、上下位關(guān)系、整體部分關(guān)系、蘊(yùn)含關(guān)系、因果關(guān)系、近似關(guān)系等。比如，其中的名詞之間的上下位關(guān)系，“水果”是“蘋果”的上位詞。 Freebase是由創(chuàng)業(yè)公司MetaWeb于2005年啟動(dòng)的一個(gè)以開放、共享、協(xié)同的方式構(gòu)建的大規(guī)模鏈接數(shù)據(jù)庫語義網(wǎng)絡(luò)項(xiàng)目，2010年被谷歌收購并成為谷歌知識(shí)圖譜中的重要組成部分。Freebase主要數(shù)據(jù)源有Wikipedia、世界名人數(shù)據(jù)庫（NNDB）、開放音樂數(shù)據(jù)庫（Music-Brainz）以及社區(qū)用戶的貢獻(xiàn)。它主要通過三元組構(gòu)造知識(shí)，并采用圖數(shù)據(jù)存儲(chǔ)，有5800多萬個(gè)實(shí)體和30多億個(gè)實(shí)體間關(guān)系三元組。2016年正式關(guān)閉，數(shù)據(jù)和API服務(wù)都遷移至Wikidata。 Yago是由德國馬普研究所研發(fā)的鏈接知識(shí)庫，主要集成了Wikipedia、WordNet和GeoNames這3個(gè)數(shù)據(jù)庫中的數(shù)據(jù)。Yago將WordNet的詞匯定義與Wikipedia的分類體系進(jìn)行融合，從而使得Yago相對(duì)于DBpedia有更加豐富的實(shí)體分類體系，同時(shí)Yago還考慮了時(shí)間和空間知識(shí)，為知識(shí)條目增加了時(shí)間和空間維度屬性描述。目前Yago已經(jīng)包含1.2億條三元組知識(shí)，是IBM Watson的后端知識(shí)庫之一。 OpenKG是一個(gè)面向中文領(lǐng)域的開放知識(shí)圖譜社區(qū)項(xiàng)目，主要目的是促進(jìn)中文領(lǐng)域知識(shí)圖譜數(shù)據(jù)的開放與互聯(lián)。OpenKG上已經(jīng)收錄了大量開放中文知識(shí)圖譜數(shù)據(jù)、工具及文獻(xiàn)。目前開放的知識(shí)圖譜數(shù)據(jù)包括百科類的zhishi.me（狗尾草科技、東南大學(xué)）、CN-DBpedia（復(fù)旦大學(xué)）、XLore（清華大學(xué)）等。 當(dāng)然，還有一些垂直領(lǐng)域知識(shí)圖譜，這類知識(shí)圖譜不像上述通用領(lǐng)域知識(shí)圖譜那樣所涉內(nèi)容廣而全。垂直領(lǐng)域知識(shí)圖譜主要面向特定領(lǐng)域的特定知識(shí)、應(yīng)用場(chǎng)景進(jìn)行構(gòu)建，比如醫(yī)療領(lǐng)域的Linked Life Data、電商領(lǐng)域的阿里巴巴商品知識(shí)圖譜和場(chǎng)景導(dǎo)購知識(shí)圖譜。

03

知識(shí)圖譜構(gòu)建

知識(shí)圖譜構(gòu)建是一個(gè)系統(tǒng)工程，涵蓋多種信息處理技術(shù)，用于滿足圖譜構(gòu)建過程中的各種需要。典型的圖譜構(gòu)建流程主要包括：知識(shí)抽取、知識(shí)推理和知識(shí)存儲(chǔ)。 知識(shí)表示貫穿于整個(gè)知識(shí)圖譜構(gòu)建和應(yīng)用的過程，在不同階段知識(shí)表示具有不同的體現(xiàn)形式，例如在圖譜構(gòu)建階段，知識(shí)表示主要用于描述知識(shí)圖譜結(jié)構(gòu)，指導(dǎo)和展示知識(shí)抽取、知識(shí)推理過程；在應(yīng)用階段，知識(shí)表示則主要考慮上層應(yīng)用期望知識(shí)圖譜提供什么類型的語義信息，用以賦能上層應(yīng)用的語義計(jì)算。 本節(jié)重點(diǎn)講述面向應(yīng)用的知識(shí)圖譜表示。1. 知識(shí)抽取知識(shí)抽取是知識(shí)圖譜構(gòu)建的第一步，是構(gòu)建大規(guī)模知識(shí)圖譜的關(guān)鍵，其目的是在不同來源、不同結(jié)構(gòu)的基礎(chǔ)數(shù)據(jù)中進(jìn)行知識(shí)信息抽取。按照知識(shí)在圖譜中的組成成分，知識(shí)抽取任務(wù)可以進(jìn)一步細(xì)分為實(shí)體抽取、屬性抽取和關(guān)系抽取。 知識(shí)抽取的數(shù)據(jù)源有可能是結(jié)構(gòu)化的（如現(xiàn)有的各種結(jié)構(gòu)化數(shù)據(jù)庫），也有可能是半結(jié)構(gòu)化的（如各種百科數(shù)據(jù)的infobox）或非結(jié)構(gòu)化的（如各種純文本數(shù)據(jù)）。針對(duì)不同類型的數(shù)據(jù)源，知識(shí)抽取所需要的技術(shù)不同，技術(shù)難點(diǎn)也不同。通常情況下，一個(gè)知識(shí)圖譜構(gòu)建過程面對(duì)的數(shù)據(jù)源不會(huì)是單一類型數(shù)據(jù)源。 本節(jié)重點(diǎn)介紹針對(duì)非結(jié)構(gòu)化文本數(shù)據(jù)進(jìn)行信息抽取的技術(shù)。如上文所述，實(shí)體和屬性間的界線比較模糊，故可以用一套抽取技術(shù)實(shí)現(xiàn)，所以下文如果不做特殊說明，實(shí)體抽取泛指實(shí)體、屬性抽取。① 實(shí)體抽取實(shí)體抽取技術(shù)歷史比較久遠(yuǎn)，具有成體系、成熟度高的特點(diǎn)。早期的實(shí)體抽取也稱為命名實(shí)體識(shí)別（Named Entity Recognition，NER），指的是從原始語料中自動(dòng)識(shí)別出命名實(shí)體。命名實(shí)體指的是具有特定意義的實(shí)體名詞，如人名、機(jī)構(gòu)名、地名等專有名詞。實(shí)體是知識(shí)圖譜中的最基本的元素，其性能將直接影響知識(shí)庫的質(zhì)量。按照NER抽取技術(shù)特點(diǎn)，可以將實(shí)體抽取技術(shù)分為基于規(guī)則的方法、基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法和基于深度學(xué)習(xí)的方法。

基于規(guī)則的方法：

基于規(guī)則的方法首先需要人工構(gòu)建大量的實(shí)體抽取規(guī)則，然后利用這些規(guī)則在文本中進(jìn)行匹配。雖然這種方法對(duì)領(lǐng)域知識(shí)要求較高，設(shè)計(jì)起來會(huì)非常復(fù)雜，且實(shí)現(xiàn)規(guī)則的全覆蓋比較困難，移植性比較差，但是在啟動(dòng)的時(shí)候可以通過這個(gè)方法可以快速得到一批標(biāo)注語料。

基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法：

既然是機(jī)器學(xué)習(xí)的方法，就需要標(biāo)注語料，高質(zhì)量的標(biāo)注語料是通過這類方法得到好的效果的重要保障。該方法的實(shí)現(xiàn)過程為：在高質(zhì)量的標(biāo)注語料的基礎(chǔ)上，通過人工設(shè)計(jì)的特征模板構(gòu)造特征，然后通過序列標(biāo)注模型，如隱馬爾可夫模型（Hidden Markov Model，HMM）、最大熵模型（Maximum Entropy Model，MEM）和條件隨機(jī)場(chǎng)模型（Conditional Random Fields，CRF）進(jìn)行訓(xùn)練和識(shí)別。 模型特征的設(shè)計(jì)需要較強(qiáng)的領(lǐng)域知識(shí)，需要針對(duì)對(duì)應(yīng)實(shí)體類型的特點(diǎn)進(jìn)行設(shè)計(jì)。例如，在人名識(shí)別任務(wù)中，一個(gè)中文人名本身的顯著特點(diǎn)是一般由姓和一兩個(gè)漢字組成，并且人名的上下文也有一些規(guī)律，如“×××教授”“他叫×××”。在有了高質(zhì)量的標(biāo)注語料的基礎(chǔ)上，合適的特征設(shè)計(jì)是得到好的序列標(biāo)注模型效果的又一重要保障。 對(duì)于序列標(biāo)注模型，一般我們對(duì)需要識(shí)別的目標(biāo)字符串片段（實(shí)體）通過SBIEO（Single、Begin、Inside、End、Other）或者SBIO（Single、Begin、Inside、Other）標(biāo)注體系進(jìn)行標(biāo)注。命名實(shí)體標(biāo)注由實(shí)體的起始字符（B）、中間字符（I）、結(jié)束字符（E）、單獨(dú)成實(shí)體的字符（S）、其他字符（O）等組成，如圖2所示。

圖2 命名實(shí)體標(biāo)注

為了區(qū)分實(shí)體的類型，會(huì)在標(biāo)注體系上帶上對(duì)應(yīng)的類型標(biāo)簽，例如ORG-B、ORG-I、ORG-E。 在實(shí)體抽取中，我們最常用的基于統(tǒng)計(jì)的序列標(biāo)注學(xué)習(xí)模型是HMM、CRF。其中，HMM描述由隱藏的隱馬爾可夫隨機(jī)生成觀測(cè)序列的聯(lián)合分布的P(X,Y)過程，屬于生成模型（Generative Model），CRF則是描述一組輸入隨機(jī)變量條件下另一組構(gòu)成馬爾可夫隨機(jī)場(chǎng)的數(shù)據(jù)變量的條件概率分布P(Y|X)，屬于判別模型（Discrimination Model）。 以HMM為例，模型可形式化表示為λ= (A,B,π)，設(shè)I是長度為T的狀態(tài)序列，O是對(duì)應(yīng)長度的觀測(cè)序列，M為所有可能的觀測(cè)數(shù)（對(duì)應(yīng)于詞典集合大?。琋為所有狀態(tài)數(shù)（對(duì)應(yīng)標(biāo)注的類別數(shù)），A是狀態(tài)轉(zhuǎn)移矩陣：

其中：

aij表示在時(shí)刻t處于qi的條件下在時(shí)刻t+1轉(zhuǎn)移到qj的概率。 B是觀測(cè)概率矩陣：

其中：

π是初始狀態(tài)概率向量：

其中：

πi表示在時(shí)刻t=1處于狀態(tài)qi的概率。 HMM模型的參數(shù)學(xué)習(xí)即學(xué)習(xí)上面的A,B,π矩陣，有很多實(shí)現(xiàn)方法，比如EM和最大似然估計(jì)。一般在語料充足的情況下，為了簡(jiǎn)化過程，采用最大似然估計(jì)，例如：

序列標(biāo)注任務(wù)可以抽象為求解給定觀察序列O=(o1,o2,...,oT)和模型λ=(A,B,π)，也就是計(jì)算在模型λ下使給定觀測(cè)序列條件概率P(I|O)最大的觀測(cè)序列I=(i1,i2,...,iT)，即在給定觀測(cè)序列（即原始字符串文本）中求最有可能的對(duì)應(yīng)的狀態(tài)序列（標(biāo)注結(jié)構(gòu)）。一般采用維特比算法，這是一種通過動(dòng)態(tài)規(guī)劃方法求概率最大路徑的算法，一條路徑對(duì)應(yīng)一個(gè)狀態(tài)序列。 定義在時(shí)刻t狀態(tài)為i的所有單個(gè)路徑(i1,i2,…,it)中概率最大值為：

可以得到變量δ的遞推公式：

定義在時(shí)刻t狀態(tài)為i的所有單個(gè)路徑(i1,i2,…,it-1,i)中概率最大的路徑的第t-1個(gè)節(jié)點(diǎn)為：

維特比算法在初始化δ1(i)=πibi(o1),Ψ1(i)=0，i=1,2,...,N之后，通過上述遞推公式，得到最優(yōu)序列。 CRF算法與維特比算法類似，其得到在各個(gè)位置上的非規(guī)范化概率的最大值，同時(shí)記錄該路徑：

基于深度學(xué)習(xí)的方法

在上面介紹用統(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法構(gòu)造特征的時(shí)候，我們發(fā)現(xiàn)實(shí)體在原始文本中的上下文特征非常重要。構(gòu)建上下文特征需要大量的領(lǐng)域知識(shí)，且要在特征工程上下不少功夫。隨著深度學(xué)習(xí)的方法在自然語言處理上的廣泛應(yīng)用，構(gòu)建上下文特征開始變得簡(jiǎn)單了。深度學(xué)習(xí)的方法直接以詞/字向量作為輸入，一些模型（如RNN、Transformer等）本身就能很好地學(xué)習(xí)到上下文信息，并且不需要專門設(shè)計(jì)特征來捕捉各種語義信息，相比傳統(tǒng)的統(tǒng)計(jì)機(jī)器學(xué)習(xí)模型，性能都得到了顯著提高。這一類模型的通用結(jié)構(gòu)基本都是一個(gè)深度神經(jīng)網(wǎng)絡(luò)+CRF，如bi-LSTM-CRF、IDCNN-CRF、LSTM-CNN-CRF、Bert-biLSTM-CRF等，模型可以基于字或詞輸入（一般來說，基于字的模型性能更加優(yōu)秀，它可以有效解決OOV問題）。這個(gè)DNN模型可以學(xué)習(xí)上下文語義特征、預(yù)測(cè)各個(gè)位置上輸出各個(gè)標(biāo)簽的概率，然后再接入CRF層來學(xué)習(xí)各標(biāo)簽之間的依賴關(guān)系，得到最終的標(biāo)注結(jié)果。② 關(guān)系抽取關(guān)系抽取的目標(biāo)是抽取兩個(gè)或者多個(gè)實(shí)體間的語義關(guān)系，從而使得知識(shí)圖譜真正成為一張圖。關(guān)系抽取的研究是以MUC（Message Understanding Conference）評(píng)測(cè)會(huì)議和后來取代MUC的ACE（Automatic Content Extraction）評(píng)測(cè)會(huì)議為主線進(jìn)行的。ACE會(huì)議會(huì)提供測(cè)評(píng)數(shù)據(jù)，現(xiàn)在許多先進(jìn)的算法已經(jīng)被提出。 一般關(guān)系抽取的順序是，先識(shí)別實(shí)體，再抽取實(shí)體之間可能存在的關(guān)系。其實(shí)也可以把實(shí)體抽取、關(guān)系抽取聯(lián)合在一起同時(shí)完成。目前，關(guān)系抽取方法可以分為基于模板的關(guān)系抽取和基于監(jiān)督學(xué)習(xí)的關(guān)系抽取兩種方法。

基于模板的關(guān)系抽取

基于模板的關(guān)系抽取，即由人工設(shè)計(jì)模板，再結(jié)合語言學(xué)知識(shí)和具體關(guān)系的語料特點(diǎn)，采用boot-strap思路到語料里匹配并進(jìn)行抽取關(guān)系。這種方法適用于小規(guī)模、特定領(lǐng)域任務(wù)冷啟動(dòng)時(shí)的關(guān)系抽取，這種場(chǎng)景下效果比較穩(wěn)定。

基于監(jiān)督學(xué)習(xí)的關(guān)系抽取

基于監(jiān)督學(xué)習(xí)的關(guān)系抽取方法一般把關(guān)系抽取任務(wù)當(dāng)作一系列的分類問題處理。即基于大規(guī)模的標(biāo)注語料，針對(duì)實(shí)體所在的句子訓(xùn)練有監(jiān)督的分類模型。分類模型有很多，例如統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法SVM及深度學(xué)習(xí)方法（如CNN）等。 傳統(tǒng)的機(jī)器學(xué)習(xí)方法重點(diǎn)在特征選擇上，除了實(shí)體本身的詞特征，還包括實(shí)體詞本身、實(shí)體類型、兩個(gè)實(shí)體間的詞以及實(shí)體距離等特征。很多研究都引入了依存句法特征，用以引入實(shí)體間的線性依賴關(guān)系?；谏疃葘W(xué)習(xí)的關(guān)系抽取方法則不需要人工構(gòu)建各種特征，輸入一般只要包括句子中的詞及其位置的向量表示特征。目前基于深度學(xué)習(xí)的關(guān)系抽取方法可以分為流水線方法（Pipeline）和聯(lián)合抽取方法（Jointly）。前者是將實(shí)體識(shí)別和關(guān)系抽取作為兩個(gè)前后依賴的分離過程；后者則把兩個(gè)方法相結(jié)合，在統(tǒng)一模型中同時(shí)完成，從而避免流水線方法中存在的錯(cuò)誤累計(jì)問題。 在經(jīng)典的深度學(xué)習(xí)關(guān)系抽取方法中，輸入層采用的就是詞、位置信息，將在Embedding層得到的向量作為模型的輸入，經(jīng)過一個(gè)BI-LSTM層和Attention層，輸出得到各個(gè)關(guān)系的概率，如圖3所示。

圖3 經(jīng)典深度學(xué)習(xí)關(guān)系抽取模型架構(gòu)

③ 知識(shí)融合通過知識(shí)抽取，我們得到大量實(shí)體（屬性）和關(guān)系，但是由于描述、寫法的不同，結(jié)果中存在大量冗余和錯(cuò)誤信息，有必要對(duì)這些數(shù)據(jù)進(jìn)行消歧、清洗和整合處理。作為知識(shí)融合的重點(diǎn)技術(shù)，實(shí)體鏈接（Entity Linking）的目的是將在文本中抽取得到的實(shí)體對(duì)象鏈接到知識(shí)庫中與之對(duì)應(yīng)的唯一確定的實(shí)體對(duì)象，以實(shí)現(xiàn)實(shí)體消歧和共指消解。 實(shí)體消歧（Entity Disambiguation）專門用于解決同名實(shí)體的歧義問題，最簡(jiǎn)單的方法是通過實(shí)體的屬性、周邊的詞構(gòu)成特征向量，通過向量的余弦相似度評(píng)估兩個(gè)實(shí)體的相似度。基于這個(gè)思想，我們可以有更多的基于語義的方法來表征目標(biāo)實(shí)體，從而評(píng)估兩個(gè)實(shí)體是否是同一個(gè)。 共指消解（Entity Resolution）是指解決多個(gè)不同寫法的實(shí)體指向同一個(gè)實(shí)體的問題。一般這類問題可以參考實(shí)體消歧方法解決，也可以具體問題具體分析，通過一些規(guī)則方法解決。2. 知識(shí)推理知識(shí)推理是基于現(xiàn)有的知識(shí)圖譜結(jié)構(gòu)，進(jìn)一步挖掘隱含的知識(shí)，用來補(bǔ)全現(xiàn)有知識(shí)圖譜屬性、關(guān)系，從而發(fā)現(xiàn)新的知識(shí)，拓展和豐富圖譜。例如可以通過推理發(fā)現(xiàn)新屬性，如由已知實(shí)體的出生年月屬性推理出年齡；也可以發(fā)現(xiàn)新關(guān)系，例如，已知（A，股東，B公司）、（C，股東，B公司）可以推理得出（A，合作伙伴，C）。知識(shí)推理的方法可以分為兩大類：基于邏輯的推理和基于圖的推理。① 基于邏輯的推理基于邏輯的推理主要包括一階謂詞邏輯（First Order Logic）推理、描述邏輯（Description Logic）推理。一階謂詞對(duì)應(yīng)著知識(shí)庫里的實(shí)體對(duì)象和關(guān)系，通過謂詞之間的“與”和“或”的關(guān)系來表示知識(shí)變遷從而實(shí)現(xiàn)推理。例如通過“媽媽是女人”“女人是人”可以推理得到“媽媽是人”。描述邏輯則是在一階謂詞的基礎(chǔ)上，解決一階謂詞邏輯的表示能力有限的問題，通過TBox（Terminology Box）和ABox（Assertion Box），可以將知識(shí)圖譜中復(fù)雜的實(shí)體關(guān)系推理轉(zhuǎn)化為一致性的檢驗(yàn)問題，從而簡(jiǎn)化推理。② 基于圖的推理基于圖的推理方法，主要借助圖的結(jié)構(gòu)特征，通過路徑游走的方法，如Path Ranking算法和神經(jīng)網(wǎng)絡(luò)圖向量表示方法，進(jìn)行基于圖的推理。Path Ranking算法的基本思想是從圖譜的一個(gè)節(jié)點(diǎn)出發(fā)，經(jīng)過邊在圖上游走，如果能夠通過一個(gè)路徑到達(dá)目標(biāo)節(jié)點(diǎn)，則推測(cè)源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)存在關(guān)系。神經(jīng)網(wǎng)絡(luò)圖向量表示方法則是對(duì)通過向量表示后的圖節(jié)點(diǎn)、關(guān)系進(jìn)行相似度運(yùn)算，推理節(jié)點(diǎn)之間是否存在關(guān)系。3. 知識(shí)圖譜存儲(chǔ)知識(shí)圖譜中的信息可以用RDF結(jié)構(gòu)表示，它的主要組成成分是三元組，主要包括實(shí)體及其屬性、關(guān)系三類元素。在實(shí)際應(yīng)用中，按照底層數(shù)據(jù)庫的存儲(chǔ)方式不同，可以分成基于表結(jié)構(gòu)的存儲(chǔ)和基于圖結(jié)構(gòu)的存儲(chǔ)。基于表結(jié)構(gòu)的存儲(chǔ)可以理解為一般的關(guān)系型數(shù)據(jù)庫，常見的如MySQL、Oracle，基于圖存儲(chǔ)的數(shù)據(jù)庫常見的有Neo4j、OrientDB、GraphDB等。① 基于表結(jié)構(gòu)的存儲(chǔ)基于表結(jié)構(gòu)的知識(shí)圖譜存儲(chǔ)利用二維數(shù)據(jù)表對(duì)知識(shí)圖譜中的數(shù)據(jù)進(jìn)行存儲(chǔ)，有3種常見的設(shè)計(jì)方案：基于三元組的存儲(chǔ)、基于類型表的存儲(chǔ)和基于關(guān)系型數(shù)據(jù)庫的存儲(chǔ)。

基于三元組的存儲(chǔ)

因?yàn)橹R(shí)圖譜可以由三元組描述，所以我們可以把知識(shí)圖譜轉(zhuǎn)化成三元組的描述方式，將其放到一張數(shù)據(jù)表中。例如可以類似表1所示的形式。

表1 三元組存儲(chǔ)示例

這種存儲(chǔ)的優(yōu)點(diǎn)很明顯，結(jié)構(gòu)比較簡(jiǎn)單，可以通過再加一些字段來增強(qiáng)對(duì)關(guān)系的信息的描述，例如區(qū)分是屬性還是關(guān)系。其缺點(diǎn)也很明顯：首先，這樣有很高的冗余，存儲(chǔ)開銷很大，其次，因修改、刪除和更新操作帶來的操作開銷也很大；最后，由于所有的知識(shí)都是以一行一個(gè)三元組的方式存儲(chǔ)的，因此所有的復(fù)雜查詢都要拆分為對(duì)三元組的查找才能得到答案。

基于類型表的存儲(chǔ)

針對(duì)上述方案存在的缺點(diǎn)，可以為每一種實(shí)體類型設(shè)計(jì)一張數(shù)據(jù)庫表，把所有同一類型的實(shí)體都放在同一張表中，用表的字段來表示實(shí)體的屬性/關(guān)系。這種方案可解決上面存儲(chǔ)簡(jiǎn)單、冗余度高的問題，但是缺點(diǎn)也很明顯：首先，表字段必須事先確定，所以要求窮舉實(shí)體的屬性/關(guān)系，且無法新增（否則需要修改表結(jié)構(gòu)）；其次，因?yàn)閷傩?關(guān)系都是存儲(chǔ)在特定列中的，所以無法支持對(duì)不確定類型的屬性和關(guān)系的查找；最后，因?yàn)閿?shù)據(jù)按照類型放在對(duì)應(yīng)表中，所以在查詢之前就需要事先知道實(shí)體的類型。

基于關(guān)系型數(shù)據(jù)庫存儲(chǔ)

關(guān)系型數(shù)據(jù)庫通過表的屬性來實(shí)現(xiàn)對(duì)現(xiàn)實(shí)世界的描述。我們可以在第二種方案的基礎(chǔ)上設(shè)計(jì)實(shí)體表（用于存儲(chǔ)實(shí)體屬性）、關(guān)系表（用于存儲(chǔ)實(shí)體間的關(guān)系），這一定程度上可以解決表結(jié)構(gòu)固定、無法新增關(guān)系的問題，因?yàn)橐话阄覀冋J(rèn)為實(shí)體的屬性可以在Schema設(shè)計(jì)時(shí)事先枚舉完。例如表7-1，可以拆分為3張表（見表2、表3和表4）。

表2 組織機(jī)構(gòu)表

表3 人物表

表4 關(guān)系表

4. 基于圖結(jié)構(gòu)的存儲(chǔ)知識(shí)圖譜本身就是圖結(jié)構(gòu)的，實(shí)體可以看作圖的節(jié)點(diǎn)，關(guān)系可以看作圖的關(guān)系，基于圖的方式存儲(chǔ)知識(shí)，可以直接、準(zhǔn)確地反映知識(shí)圖譜內(nèi)部結(jié)構(gòu)，有利于知識(shí)的查詢、游走?；趫D譜的結(jié)構(gòu)進(jìn)行存儲(chǔ)，可以借用圖論的相關(guān)算法進(jìn)行知識(shí)推理。常見的圖數(shù)據(jù)庫有Neo4j、OrientDB、GraphDb、GDB（阿里云）等。 Neo4j是一個(gè)開源的圖數(shù)據(jù)庫，它將結(jié)構(gòu)化的數(shù)據(jù)以圖的形式存儲(chǔ)，基于Java實(shí)現(xiàn)（現(xiàn)在也提供Python接口），是一個(gè)具備完全事務(wù)特性的高性能數(shù)據(jù)系統(tǒng)，具有成熟數(shù)據(jù)庫的所有特性。Neo4j分為商業(yè)版和社區(qū)版。其中社區(qū)版是開源的，是一個(gè)本地?cái)?shù)據(jù)庫；商業(yè)版則實(shí)現(xiàn)了分布式功能，能夠?qū)⒍嗯_(tái)機(jī)器構(gòu)造成數(shù)據(jù)庫集群來提供服務(wù)。它采用的查詢語言是cypher，可以通過Neo4j實(shí)現(xiàn)知識(shí)圖譜節(jié)點(diǎn)、關(guān)系的創(chuàng)建（create命令）和查詢（match命令）。 Neo4j在Linux上的安裝非常簡(jiǎn)單，到官網(wǎng)上下載對(duì)應(yīng)的安裝包，解壓后安裝到bin目錄，然后通過./neo4j start命令啟動(dòng)。我們可以在： http://localhost:7474/browser/ 訪問可視化界面（見圖4），可以在這個(gè)Web頁面上通過cypher和圖數(shù)據(jù)庫進(jìn)行交互。

圖4 Neo4j Web可視化界面 阿里巴巴內(nèi)部也研發(fā)了圖數(shù)據(jù)庫用于存儲(chǔ)知識(shí)圖譜數(shù)據(jù)，如GDB、iGraph等，其中GDB（Graph Database，圖數(shù)據(jù)庫）是由阿里云自主研發(fā)的，是一種支持Property Graph圖模型、用于處理高度連接數(shù)據(jù)查詢與存儲(chǔ)的實(shí)時(shí)、可靠的在線數(shù)據(jù)庫。它支持Apache TinkerPop Gremlin查詢語言，可以快速構(gòu)建基于高度連接的數(shù)據(jù)集的應(yīng)用程序。GDB非常適合用于社交網(wǎng)絡(luò)、欺詐檢測(cè)、推薦引擎、實(shí)時(shí)圖譜、網(wǎng)絡(luò)/IT運(yùn)營這類需要用到高度互連數(shù)據(jù)集的場(chǎng)景。目前GDB正處于公測(cè)期間，阿里巴巴內(nèi)部很多知識(shí)圖譜業(yè)務(wù)都基于GDB存儲(chǔ)，它具備如下優(yōu)勢(shì)：

標(biāo)準(zhǔn)圖查詢語言：支持屬性圖，高度兼容Gremlin圖查詢語言。

高度優(yōu)化的自研引擎：高度優(yōu)化的自研圖計(jì)算層和存儲(chǔ)層，通過云盤多副本方案保障數(shù)據(jù)超高可靠性，支持ACID事務(wù)。

服務(wù)高可用：支持高可用實(shí)例，單節(jié)點(diǎn)出故障后業(yè)務(wù)會(huì)迅速轉(zhuǎn)移到其他節(jié)點(diǎn)，從而保障了業(yè)務(wù)的連續(xù)性。

易運(yùn)維：提供備份恢復(fù)、自動(dòng)升級(jí)、監(jiān)控告警、故障切換等豐富的運(yùn)維功能，大幅降低運(yùn)維成本。

04

知識(shí)表示

知識(shí)表示是指在不同的語義環(huán)境下有不同的含義，例如在圖譜構(gòu)建階段，知識(shí)表示可以認(rèn)為是基于RDF用三元組形式，如“<實(shí)體，屬性，值>”或者“<實(shí)體，關(guān)系，實(shí)體>”（也有描述為<主語，謂詞，賓語>）來表征知識(shí)圖譜的語義信息的。在知識(shí)圖譜接入上層應(yīng)用場(chǎng)景后，尤其是隨著深度學(xué)習(xí)方法的廣泛采用，如何將知識(shí)圖譜和深度學(xué)習(xí)模型融合，借助知識(shí)圖譜引入領(lǐng)域知識(shí)來提升深度學(xué)習(xí)模型性能，引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。 本節(jié)將重點(diǎn)介紹基于知識(shí)表示的學(xué)習(xí)方法，介紹如何將知識(shí)圖譜中的高度稀疏的實(shí)體、關(guān)系表示成一個(gè)低維、稠密向量。1. 距離模型結(jié)構(gòu)表示（Structured Embedding，SE），將每個(gè)實(shí)體用d維的向量表示，所有實(shí)體被投影到同一個(gè)d維向量空間中，同時(shí)，為了區(qū)分關(guān)系的有向特征，為每個(gè)關(guān)系r定義了2個(gè)矩陣Mr,1,Mr,2∈Rd*d，用于三元組中頭實(shí)體和尾實(shí)體的投影操作，將頭實(shí)體、尾實(shí)體投影到關(guān)系r的空間中來計(jì)算兩個(gè)向量的距離，公式為：

用以反映2個(gè)實(shí)體在關(guān)系r下的語義相關(guān)度，距離越小，說明這2個(gè)實(shí)體存在這種關(guān)系的可能性越大。然而該模型有一個(gè)重要缺陷，它使用頭、尾兩個(gè)不同的矩陣進(jìn)行投影，這個(gè)矩陣相互獨(dú)立沒有協(xié)同，往往無法精確刻畫兩個(gè)實(shí)體基于關(guān)系的語義聯(lián)系。為了解決這個(gè)問題，后續(xù)出現(xiàn)了單層神經(jīng)網(wǎng)絡(luò)模型（Single Layer Model，SLM）、語義匹配能量模型（Semantic Matching Energy，SME）等方法，如RESCAL。RESACL模型是一個(gè)基于矩陣分解的模型，在該模型中，將整個(gè)知識(shí)圖譜編碼為一個(gè)三維張量X，如果三元組存在，則Xhrt=1，否則為0。張量分解的目標(biāo)是要將每個(gè)三元組對(duì)應(yīng)的張量分解為實(shí)體和關(guān)系，使得Xhrt盡量接近lhMrlt，函數(shù)可表示為：

2. 翻譯模型自從Mikolov等人于2013年提出word2vec模型開始，表示學(xué)習(xí)Embedding在自然語言處理領(lǐng)域受到廣泛關(guān)注，該模型發(fā)現(xiàn)在詞向量空間中平移（加減）不變現(xiàn)象，即：

其中C(w)表示w通過word2vec得到的詞向量。受這類類比推理實(shí)驗(yàn)啟發(fā)，Bordes等人提出了TransE模型，之后又出現(xiàn)多種衍生模型，如TransH、TransR等。TransE將知識(shí)庫中的關(guān)系看作實(shí)體間的平移向量，對(duì)于每個(gè)三元組，TransE希望：

即期望頭節(jié)點(diǎn)向量沿關(guān)系平移后，盡量和尾節(jié)點(diǎn)向量重合（見圖5）。

圖5 TransE 模型

模型的損失函數(shù)定義如下：

“||”表示取模運(yùn)算，如L2距離。 在實(shí)際學(xué)習(xí)過程中，為了增強(qiáng)模型知識(shí)表示的區(qū)分能力，TransE采用了最大間隔，目標(biāo)函數(shù)為：

其中，S是正確的三元組集合，S-是錯(cuò)誤的三元組集合，γ為正確三元組得分和錯(cuò)誤三元組得分之間的間隔距離，是一個(gè)超參數(shù)。S-的產(chǎn)生與負(fù)樣本的生成方式不同，不通過直接隨機(jī)采樣三元組，而是將S中每一個(gè)三元組的頭實(shí)體、關(guān)系、尾實(shí)體其中之一隨機(jī)替換成其他實(shí)體或關(guān)系來構(gòu)造。 TransE模型簡(jiǎn)單有效，后續(xù)很多知識(shí)表示學(xué)習(xí)方法都是以此為代表進(jìn)行拓展的。例如TransH模型，為了解決TransE在處理1-N、N-1、N-N復(fù)雜關(guān)系時(shí)的局限性，提出讓一個(gè)實(shí)體在不同關(guān)系下?lián)碛胁煌谋硎?。另外，雖然TransH模型使得每個(gè)實(shí)體在不同關(guān)系下?lián)碛辛瞬煌谋硎?，但是它仍然假設(shè)實(shí)體和關(guān)系處于統(tǒng)一語義空間中，這和我們一般的認(rèn)知有點(diǎn)不同，于是有學(xué)者提出了TransR模型。TransR模型首先通過一個(gè)投影矩陣Mr把實(shí)體投影到關(guān)系的語義空間，然后再進(jìn)行關(guān)系類比推理（見圖6）：

圖6 各種翻譯模型

05

電商知識(shí)圖譜應(yīng)用

知識(shí)圖譜提供了一種更好的組織、管理和利用海量信息的方式，描述了現(xiàn)實(shí)世界中的概念、實(shí)體以及它們之間的關(guān)系。自從谷歌提出知識(shí)圖譜并應(yīng)用在搜索引擎中，用以提升搜索引擎使用體驗(yàn)，提高搜索引擎質(zhì)量以后，知識(shí)圖譜在各種垂直領(lǐng)域場(chǎng)景中都扮演了重要的角色。 隨著消費(fèi)升級(jí)，行業(yè)會(huì)場(chǎng)+爆款的導(dǎo)購模式已經(jīng)無法滿足消費(fèi)者心智，人們對(duì)貨品的需求逐漸轉(zhuǎn)化為對(duì)場(chǎng)景的需求。通過場(chǎng)景重新定義貨品的需求產(chǎn)生，場(chǎng)景運(yùn)營平臺(tái)應(yīng)運(yùn)而生。場(chǎng)景運(yùn)營平臺(tái)通過對(duì)商品知識(shí)的挖掘，將具有共同特征的商品通過算法模型聚合在一起，形成事實(shí)上的跨品類商品搭配。在算法端完成場(chǎng)景-商品知識(shí)圖譜的建設(shè)后，通過當(dāng)前訴求挖掘消費(fèi)者深層次訴求，推薦某個(gè)場(chǎng)景下互相搭配的商品，給予消費(fèi)者對(duì)應(yīng)場(chǎng)景下一站式的購物體驗(yàn)，達(dá)到鼓勵(lì)消費(fèi)者跨類目購買行為及提升客單價(jià)的目的。例如在阿里電商平臺(tái)，導(dǎo)購場(chǎng)景就有了很好的應(yīng)用，并取得了不錯(cuò)的效果。 1688團(tuán)隊(duì)在阿里內(nèi)部數(shù)據(jù)和算法基建的基礎(chǔ)上，基于B類商品特征，構(gòu)建了自己的商品知識(shí)圖譜，以CPV的方式表征一個(gè)商品，具體商品表征如圖7所示。

圖7 商品CPV表征示意圖

任何知識(shí)圖譜應(yīng)用的構(gòu)建，整體上都要經(jīng)歷如下幾個(gè)步驟：文本等非結(jié)構(gòu)化或半結(jié)構(gòu)化信息→結(jié)構(gòu)化的知識(shí)圖譜→知識(shí)圖譜表征→特定應(yīng)用場(chǎng)景。1688的商品知識(shí)圖譜，在阿里通用的電商N(yùn)LP技術(shù)的基礎(chǔ)上，完成了半結(jié)構(gòu)化信息向結(jié)構(gòu)化的知識(shí)圖譜轉(zhuǎn)化的步驟，但是中間存在大量質(zhì)量較差、語義模糊甚至錯(cuò)誤的數(shù)據(jù)。為了優(yōu)化這部分?jǐn)?shù)據(jù)，阿里做了大量的工作，包括實(shí)體合并、消歧、長尾數(shù)據(jù)裁剪等。 針對(duì)初步加工過的數(shù)據(jù)，還需要大量的人工來標(biāo)注清洗，以發(fā)揮數(shù)據(jù)的價(jià)值。而數(shù)據(jù)標(biāo)注清洗這種累活一般是找專門的數(shù)據(jù)標(biāo)注公司外包完成的。為了減少專門標(biāo)注的成本，我們采用了“以戰(zhàn)養(yǎng)兵”的思路，讓運(yùn)營直接使用這份經(jīng)過初步加工的數(shù)據(jù)，通過收集運(yùn)營的操作數(shù)據(jù)，快速反饋到算法模型中并不斷優(yōu)化結(jié)果，形成運(yùn)營-數(shù)據(jù)的相互反饋，如圖8所示，讓工具越用越順手，越用越好。

圖8 主題會(huì)場(chǎng)搭建流程示意圖

具體的主題錄入方式是：運(yùn)營指定一個(gè)主題場(chǎng)景，比如婚慶主題，在指定主題下涵蓋商品的類目、屬性、屬性值。比如列舉一組配置，可以搭配后臺(tái)配置截圖。通過行業(yè)運(yùn)營專家的經(jīng)驗(yàn)將主題和相應(yīng)的商品圖譜關(guān)聯(lián)起來，我們可以明確哪些CPV數(shù)據(jù)存在業(yè)務(wù)關(guān)聯(lián)，以及運(yùn)營認(rèn)為哪些數(shù)據(jù)是有效的。除了主題數(shù)據(jù)的人工錄入，我們還配套了相關(guān)的自動(dòng)化頁面搭建方案。 電商經(jīng)常需要做促銷活動(dòng)，活動(dòng)會(huì)場(chǎng)頁面的制作需要投入大量人力，常見的活動(dòng)頁面如圖9所示。

圖9 常見電商促銷活動(dòng)頁面圖

這種活動(dòng)類導(dǎo)購頁面的搭建，核心是站在買家的角度幫助他們發(fā)現(xiàn)和選擇商品，如圖10所示。其中，什么商品、如何挑選、怎樣呈現(xiàn)就是導(dǎo)購頁面包含的核心要素和業(yè)務(wù)流程。映射到技術(shù)領(lǐng)域，則會(huì)涉及建立頁面、數(shù)據(jù)分析、投放策略的三個(gè)方面。

圖10 活動(dòng)類導(dǎo)購頁面搭建流程示意圖

1688在活動(dòng)頁面制作方面沉淀多年，有眾多實(shí)用的技術(shù)和工具供運(yùn)營使用，如頁面組件化搭建產(chǎn)品（積木盒子、奇美拉）、指標(biāo)選品工具（選品庫）、商品排序投放產(chǎn)品（投放平臺(tái)）等。這些產(chǎn)品都有各自的細(xì)分業(yè)務(wù)域，運(yùn)營通常需要跳轉(zhuǎn)到多個(gè)平臺(tái)進(jìn)行配置，才能完成一張活動(dòng)頁面的搭建，整體流程如圖11所示。

圖11 活動(dòng)頁面搭建平臺(tái)示意圖

這就像是辦證件，A窗口讓你去B窗口登記，B窗口讓你去C窗口填表。我們都圍著一個(gè)個(gè)的“窗口”轉(zhuǎn)，這是一種以資源為中心的工作方式。以前讓用戶圍繞著資源轉(zhuǎn)，是為了最大化資源的使用效率，但是在今天這個(gè)人力成本高的時(shí)代，需要從資源視角轉(zhuǎn)向用戶視角，讓資源圍著用戶轉(zhuǎn)，這樣可以最大化價(jià)值流動(dòng)效率。 我們通過幾個(gè)月的努力，將十余個(gè)系統(tǒng)打通，實(shí)現(xiàn)了數(shù)據(jù)源標(biāo)準(zhǔn)化方案、數(shù)據(jù)頁面綁定方案、頁面自動(dòng)多端搭建方案、投放自動(dòng)化方案等，形成了如圖12所示的產(chǎn)品體系。

圖12 會(huì)場(chǎng)搭建產(chǎn)品體系示意圖

通過將系統(tǒng)打通，使得運(yùn)營搭建一個(gè)頁面的配置工作量減少了83.2%。而在剩余的16.8%的工作里，有87%是選品工作。借助主題會(huì)場(chǎng)，我們希望將運(yùn)營選品的工作量也降低50%以上，并借助數(shù)據(jù)和算法，實(shí)現(xiàn)智能選品、智能搭建、智能投放。今天的分享就到這里，謝謝大家。