蚂蚁大规模知识图谱构建及其应用 _知识图谱

知识图谱旨在利用图结构建模、识别和推断事物之间的复杂关联关系和沉淀领域知识，是实现认知智能的重要基石，已经被广泛应用于搜索引擎、智能问答、语言语义理解、大数据决策分析等众多领域。本文将分享蚂蚁集团在知识图谱上的工作。

文章插图
一、图谱概览首先介绍知识图谱的一些基础概念。
1、什么是知识图谱

文章插图
【蚂蚁大规模知识图谱构建及其应用】知识图谱旨在利用图结构建模、识别和推断事物之间的复杂关联关系和沉淀领域知识，是实现认知智能的重要基石，已经被广泛应用于搜索引擎、智能问答、语言语义理解、大数据决策分析等众多领域。
知识图谱同时建模了数据之间的语义关系和结构关系，结合深度学习技术可以把这两者关系更好得融合和表征。
2、为什么要建知识图谱

文章插图
我们要建设知识图谱主要是从如下两点出发考虑：一方面是蚂蚁本身的数据来源背景特点，另一方面是知识图谱能带来的好处。
[1] 数据来源本身是多元和异构的，缺乏一套统一的知识理解体系。
[2] 知识图谱能够带来多个好处，包括：

语义标准化：利用图谱构建技术提升实体、关系、概念等的标准化和归一化水平。
领域知识沉淀：基于语义、图结构实现知识表示和互联，从而积累丰富的领域知识。
知识复用：构建高质量的蚂蚁知识图谱，通过融合、链接等服务多下游，为业务降本提效。
知识推理发现：基于图谱推理技术发现更多长尾知识，服务风控、信贷、理赔、商家运营、营销推荐等场景。

3、如何构建知识图谱的概览

文章插图
在构建各类业务知识图谱的过程中，我们沉淀出了一套蚂蚁知识图谱的通用构建范式，主要分为如下五个部分：

从业务数据出发，作为图谱冷启动的重要数据来源。
他域的知识图谱同现有图谱进行融合，通过实体对齐的技术来实现。
业务领域结构化的知识库同现有的知识图谱的进行融合，也是通过实体对齐的技术实现。
非结构和半结构化的数据，例如文本会对其进行信息抽取，通过实体链指技术实现对现有图谱进行更新。
领域概念体系和专家规则的融入，将相关概念、规则与现有知识图谱进行链接。

文章插图
有了通用的构建范式后，就需要进行体系化的建设。从两个视角来看蚂蚁知识图谱的体系化建设。首先是从算法视角来看，有各种算法能力，比如知识推理、知识匹配等等。从落地视角来看，自下而上，最下面的基础依赖包括图计算引擎和认知底座计算；其上是图谱底座，包括NLP&多模平台以及图谱平台；往上是各种图谱构建技术，基于此我们就可以构建蚂蚁知识图谱；在知识图谱的基础上，我们可以做一些图谱推理；再往上，我们提供一些通用的算法能力；最上面是业务应用。
二、图谱建设接下来分享蚂蚁集团建设知识图谱的一些核心能力，包括图谱构建、图谱融合、图谱认知三个方面。
1、图谱构建