知識圖譜作為自然語言處理技術的應用之一，在幫助機器理解自然語言方面具有重要意義。小i機器人研究院算法研究員沈大框在大會上提到，知識圖譜最早是由Google提出，主要是用來優(yōu)化現有的搜索引擎。不同于傳統的基于關鍵詞檢索的搜索引擎，知識圖譜基于預先構建的實體屬性關系三元組內蘊含的豐富的關聯信息，能夠更快速有效地反饋準確結果，并提供更豐富的關聯參考信息，讓搜索引擎從關鍵詞檢索向語義檢索邁進。

小i機器人研究院算法研究員沈大框

　　目前，知識圖譜主要有自頂向下(top-down)與自底向上(bottom-up)兩種構建方式，而這兩種構建方式都離不開知識抽取這一步驟。沈大框在此次大會上分享到小i機器人在構建知識圖譜的過程中提出了一種基于BERT的管道式的關系抽取方法，可以從各種信息源中抽取三元組關系知識，并集成到現有結構化知識庫中。該關系抽取方法先識別句子中存在的關系，然后根據關系抽取句子中的主語和賓語。存在關系識別可以看成一個多標簽分類任務，模型使用BERT獲取深度語義信息，然后增加CNN網絡獲取句子的詞性與分詞信息極大提升了關系識別的準確度。主語與賓語識別模型則采用BERT+CRF序列標注的方式，解決了句子中單個關系多主語或者多謂語的問題。這兩種模型結合的使用，使得單句中存在多個復雜關系的抽取的問題迎刃而解。

　　小i機器人也在運用包括知識圖譜相關技術在內的全套解決方案，以認知智能賦能行業(yè)企業(yè)的智能化升級。小i機器人為行業(yè)企業(yè)提供的智能客服解決方案便融合了知識圖譜的相關能力，能夠在行業(yè)領域內快速自動地生成背景知識庫，輔助客服機器人深度理解用戶問題，讓客服系統的業(yè)務能力得到進一步提升，很好的滿足銀行業(yè)務、信通訊業(yè)務、保險業(yè)務、電商業(yè)務、政府公共服務業(yè)務等領域的業(yè)務需求。