百度知识图谱部主任架构师朱勇：百度知识图谱让获取“知识”更便捷
《战狼2》口碑的爆棚，激起了许多还没看过这部电影的人的好奇，大家纷纷“百度”一下，以免错过时下最火的话题。而你在百度《战狼2》的时候会发现，搜索结果不仅直接展示了影片的信息，还关联了选座、购票等服务，非常“贴心”。这背后，实际上是知识图谱在发挥作用。
7月29日-7月30日，大数据与计算智能高端学术会议BDCI 2017(Big Data and Computational Intelligence)在北京举行，会议邀请了全球权威专家介绍和分享数据科学、计算智能及其应用方面的最新成果。作为工业界代表，百度知识图谱部主任架构师朱勇博士受邀发表了题为《大规模知识图谱研发与应用》的特邀报告，系统全面地介绍了百度知识图谱的前沿研究成果和未来方向。
(朱勇介绍百度知识图谱)
知识图谱：人工智能时代的核心认知技术
知识图谱究竟是什么?其中很重要的一个关键词是——“知识”。传统搜索是基于关键词和网页，并不能理解文本和网页结果中的真实含义。知识图谱则是基于知识本身，将互联网所有的知识积累起来，去真正的理解真实世界，将 “信息”搜集上升成为了“知识”积累，用知识理解世界。
(一张以章子怡为核心的知识图谱)
知识图谱这个看似陌生的概念，其实已经在我们身边无处不在。比如，当我们搜索“太阳重量”时，搜索结果不再是密密麻麻的网页链接，而是直接显示“太阳质量是1.9891*10³⁰千克”。
通过搜索直接得到“知识”，是知识图谱在背后发挥着重要的作用。作为全球最大的中文知识图谱，百度知识图谱包含了数以亿计的高质量实体、数以千亿计的事实，全面和动态的数据。百度知识图谱索引了整个互联网上的知识。百度知识图谱能够让我们从不同的角度去了解真实世界，并且拓展出广泛的应用场景，在搜索、问答、推荐、对话以及文章自动内容生成方面发挥着关键作用。
知识图谱是人工智能时代重要的核心技术。百度集团总裁兼首席运营官陆奇在百度AI开发者大会上曾表示：知识就是力量，有了知识我们可以做预测、做自动化，解决任何重要的问题，人类历史就是改造世界、认识世界的历史，AI就是帮助人类认识世界、改造世界的工具，AI是人类历史上重要的里程碑。
在国务院最新印发的《新一代人工智能发展规划》中，也明确提到了知识计算引擎与知识服务技术、跨媒体分析推理技术。其中写到：“重点突破知识加工、深度搜索和可视交互核心技术，实现对知识持续增量的自动获取，具备概念识别、实体发现、属性预测、知识演化建模和关系挖掘能力，形成涵盖数十亿实体规模的多源、多学科和多数据类型的跨媒体知识图谱”;“重点突破跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术，实现跨媒体知识表征、分析、挖掘、推理、演化和利用，构建分析推理引擎”。
知识图谱，让应用更智能
知识图谱能够对传统搜索等应用进行智能化升级，为用户带来更智能的应用体验。实际上，知识图谱已经大规模应用到了日常生活当中，正悄悄改变着以往的使用体验。
首先，传统的搜索结果是基于网页的，搜索引擎并不知道结果的含义，只是罗列出和目标关键词匹配的页面地址，用户需要自行到网页上再次查找结果，而通过关键词罗列的页面并不一定能直达用户想要的“知识”本身。以搜索长城的长度为例，传统结果只能返回一些网页，用户需要去网页中寻找结果。
而通过知识图谱，用户可以直接获取长度这个“知识点”。
其次，利用知识图谱中实体之间的丰富联系，我们可以给出优质的推荐，激发用户潜在的需求。比如当用户搜索“杨幂”的时候，将直接推荐出和杨幂有关的各个维度的人物信息，并且能够给出可解释的推荐理由。
第三，知识图谱可以根据已有知识进行推理。例如，根据“打火机不可以带上飞机”、“Zippo是打火机”这两个知识，推断出Zippo不可以带上飞机，当用户输入查询之后，将直接反馈推断结果。
第四，基于知识图谱丰富的属性和关系，用户的搜索结果可以展现出事物的方方面面，聚合实体相关的信息和服务。例如，知识图谱在时下最火的《战狼2》的搜索中不仅聚合了影片的信息，还关联了选座、购票等相关服务。
第五，如果说以上还是大众在使用搜索时的直观体验，那么让机器写稿子会不会有很科幻的感觉?基于知识图谱丰富的知识，机器可以自动、批量化生产出引人入胜的文章。
第六，传统搜索是被动回复问题，而知识图谱能够主动预测用户需求，提供符合需求的“知识”结果。比如在度秘系统中，系统就可以自动判定用户想要触及的“知识点”，进而给出用户最想要的答案。
最后，在复杂问题的处理上，知识图谱也有很强的能力。例如，有些问题的表达是多样化的，“魔兽啥时候出”、“魔兽哪一天公映”，这两个口语和书面的表达，实际上是问同一个问题;此外，有些问题的“知识”分布非常广泛，比如“一个b，一个翅膀的是什么车”。面对不同的问题，知识图谱会采用不同的方法，类似魔兽上映时间这样的问题，会用语义解析;针对“形容不会说话的成语” 这样的长尾问题，采用开放问答挖掘的方式;针对“知识即美德是谁提出的”，则使用端到端的在线问答技术来解决。
揭秘：隐藏在知识图谱背后的技术力量
为了实现这些目标效果，百度知识图谱背后有着强有力的技术作为支撑，主要包括了知识抽取、并行实体归一等几大技术。
第一，知识抽取技术。这项技术可以从海量网页中抽取可信知识，并为实体挖掘精准、连贯、吸引力强的短摘要，从而突破了大规模开放领域知识抽取的效果限制。比如，通过网页中信息，为用户抽取有最有价值的信息。
第二，并行实体归一技术。它能通过多维度实体局域化、实体语义向量等方法，突破归一计算规模的限制，实现精确的归一效果。例如，在网络中，“复仇者联盟”、“复联1”我们会很自然的认为是一个实体，但机器很难做到，通过实体归一技术，知识图谱会进行实体消歧，并建立它们之间的关联。
第三，中文知识理解认知技术。基于知识的概念意图标注算法，它可以构建基于海量用户行为挖掘、深度语义相似、函数式语义树的语义形式化技术，解决了开放空间下，面向复杂中文语义的知识图谱理解认知问题。此外通过研发知识计算语言KCL和多层知识计算算子群，能够实现智能多层级知识推理与计算。
第四，高性能分布式图存储计算和服务技术。通过分布式图索引技术，高性能分布式图存储计算和服务技术能够构建大规模分布式图检索、图数据库和图计算框架，解决全网规模知识图谱存储、计算和服务的性能和规模问题。
据了解，此次论坛由北京航空航天大学-大数据科学与脑机智能高精尖创新中心主办，受国家973计划“网络信息空间大数据计算理论”项目的大力支持，截至目前已经成功举办四届，具有广泛的学术与研究影响力，论坛上讨论的一些学术成果也已经在工业界落地。
此次论坛吸引了数百名专业观众到场，百度知识图谱吸引了观众们广泛的关注和合作。未来，百度知识图谱将会不断发展，逐步覆盖非简单事实类知识、音视频等跨媒体知识，并在知识自学习、知识化搜索和通用对话系统等前沿开放领域展开探索，推动百度AI向高级通用人工智能更进一步，用知识让复杂的世界更简单。