文獻(xiàn)標(biāo)識碼： A
DOI：10.16157/j.issn.0258-7998.190566
中文引用格式： 代文韜，林詩璐，朱小燕，等. 基于知識圖譜的保險領(lǐng)域?qū)υ捪到y(tǒng)構(gòu)建[J].電子技術(shù)應(yīng)用，2019，45(9)：18-21，27.
英文引用格式： Dai Wentao，Lin Shilu，Zhu Xiaoyan，et al. A knowledge-based dialogue system for insurance domain[J]. Application of Electronic Technique，2019，45(9)：18-21，27.
0 引言
人工智能是當(dāng)前世界科技發(fā)展的潮流。問答系統(tǒng)和對話系統(tǒng)是人工智能系統(tǒng)中既古老而又年輕的話題。隨著互聯(lián)網(wǎng)服務(wù)對象的規(guī)模日益擴(kuò)大，為了提高效率，降低人力成本，很多特定領(lǐng)域的服務(wù)都開始引入自動問答系統(tǒng)。保險行業(yè)由于其業(yè)務(wù)量大、業(yè)務(wù)范圍廣、業(yè)務(wù)面對的對象多等特點，非常需要對話系統(tǒng)的建設(shè)。
圖1中描述了特定領(lǐng)域?qū)υ捪到y(tǒng)的一般結(jié)構(gòu)，自然語言理解模塊對用戶的問題進(jìn)行語義分析，產(chǎn)生語義結(jié)構(gòu)，再通過對話管理和答案生成模塊得到答案。對于特定領(lǐng)域的對話系統(tǒng)，知識圖譜的地位非常重要。沒有知識，就不能理解用戶輸入的上下文，也就不能進(jìn)行對話。在結(jié)合知識的基礎(chǔ)上，對自然語言進(jìn)行分析，識別出用戶的意圖，通過對話管理，生成多輪的對話。
雖然隨大數(shù)據(jù)和人工智能的發(fā)展出現(xiàn)了很多通用的知識圖譜，例如Google的Knowledge Graph[1]就已經(jīng)有了30億條數(shù)據(jù)，但是如此龐大的圖譜不足以支撐垂直領(lǐng)域所需要更細(xì)致的專業(yè)知識，對于保險領(lǐng)域來說也是如此。保險行業(yè)由于知識的復(fù)雜性、動態(tài)性和保密性，缺乏真實可用的知識圖譜和與之相對應(yīng)的語法分析與對話管理。
1 知識圖譜構(gòu)建和維護(hù)
對于領(lǐng)域的對話系統(tǒng)，知識圖譜是非常重要的。當(dāng)需要在一個新的領(lǐng)域構(gòu)建一個對話系統(tǒng)時，首先必須做的就是構(gòu)建出可以反映領(lǐng)域知識的知識圖譜，然后在知識圖譜的基礎(chǔ)上，才可以真正地理解用戶的意圖，從而實現(xiàn)有上下文交互的對話流程。
1.1 知識圖譜的表示
通常來說，知識圖譜是基于語義網(wǎng)對概念、關(guān)系的抽象描述，描述專業(yè)領(lǐng)域知識和各類資源及資源之間的關(guān)系，可以幫助人類和計算機(jī)更好地協(xié)同工作[2]。本文使用RDF和RDFS作為知識圖譜的描述語言[3]。
資源描述框架(RDF)是用來表示萬維網(wǎng)上各類資源和信息的一種語言，用三元組(Triple)的方式描述對象和對象之間的關(guān)系，通常可以形式化為(Subject，Predict，Object)，簡稱為SPO。
RDF Schema(RDFS)是對RDF的一種擴(kuò)展。RDF通過類、屬性和值來描述資源，在此之外，RDF還需要一種定義應(yīng)用程序?qū)I(yè)的類和屬性的方法。應(yīng)用程序?qū)Ｓ玫念惡蛯傩员仨毷褂脤DF的擴(kuò)展來定義。RDF Schema就是這樣一種擴(kuò)展，專門用來定義知識圖譜的結(jié)構(gòu)框架Schema。
1.2 知識圖譜構(gòu)建的一般方法
知識圖譜的構(gòu)建包括了本體的構(gòu)建與知識實例的填充。常用知識圖譜構(gòu)建方法有企業(yè)建模法(Tove)、骨架法(Skeletal Methodology)、Methontology法、循環(huán)獲取法、七步法等[4-5]。根據(jù)特定領(lǐng)域具體情況，本文借鑒了七步法構(gòu)建知識圖譜。7個步驟如圖2所示，分別為：
(1)確定知識圖譜的專業(yè)領(lǐng)域和范疇。明確構(gòu)建的語義本體所覆蓋的專業(yè)領(lǐng)域、構(gòu)建目的、作用、維護(hù)和應(yīng)用對象(這些元素與領(lǐng)域本體的建立有著很大的關(guān)系，所以在開發(fā)語義本體前就必須確定)。
(2)考慮復(fù)用現(xiàn)有語義本體的可能性。
(3)列出語義本體中的重要術(shù)語。著手建立自己的本體前，先根據(jù)專業(yè)知識重要術(shù)語列出一個術(shù)語表。
(4)定義類(Class)和類的等級體系(Hierarchy)。建立一個類等級體系一般來說有3種方法：一是自頂向下法，從領(lǐng)域中最大的通用概念開始，而后將這些概念細(xì)化；二是自底向上法，由等級體系樹中底層葉子類的定義開始，然后將這些葉子類合并為更為概括的較大概念(即向上回溯)；三是綜合法，綜合以上兩種方法，首先定義直接大量顯而易見的概念，然后再對它們進(jìn)行進(jìn)一步的歸納和細(xì)化。
(5)定義類的屬性。一旦定義好了類，就要開始描繪概念間的內(nèi)在結(jié)構(gòu)，即類的屬性。任意一個類的所有下位類都會繼承其上位類(父類)的屬性。為了方便操作，屬性的定義多是基于之前列出的術(shù)語清單。
(6)定義屬性的限制。屬性限制有許多不同的類型，如描述賦值類型(value type)、允許的賦值(allowed value)以及賦值的基數(shù)(cardinality)。除了上述幾種限制外，還有值域(range)和定義域(domain)的定義。
(7)創(chuàng)建實例。在類和屬性的結(jié)構(gòu)確定后，根據(jù)實際情況和知識，建立實例。
1.3 保險領(lǐng)域知識圖譜
保險領(lǐng)域包括了產(chǎn)品、個險、核保和養(yǎng)老社區(qū)等子領(lǐng)域。通過4步法，本文構(gòu)建了如表1所示的知識圖譜。
以保險產(chǎn)品為例，按照圖3的方式定義了保險的層次類別。
一個具體的保險產(chǎn)品就是一個保險產(chǎn)品類的實例，同時具有多個屬性。很多時候，實體和屬性的關(guān)系往往比較復(fù)雜，這也需要在知識圖譜里面加以體現(xiàn)。
最簡單的情況就是“實體-屬性-值”，例如：（XX保險定義<def>）。除此之外，還存在以下幾種復(fù)雜的情況，如圖4所示。
(1)實體-屬性-屬性
例如：對于問句“我投保你們這個產(chǎn)品A的時候，定價是怎么定出來的？”，表示了如下的實體屬性關(guān)系：“產(chǎn)品A-投保-定價方式-值”。在這種情況下需要引入一個空白節(jié)點(Blank Node)，產(chǎn)品A是實體，投保是對象屬性(OP)，定價方式是數(shù)據(jù)屬性(DP)。
(2)實體-屬性-屬性-約束條件-值
例如：對于問句“我是個青少年，投保你們這個產(chǎn)品A的時候，定價是怎么定出來的？”，表示了如下的實體屬性關(guān)系：“產(chǎn)品A-投保-定價方式-青少年-值”。即產(chǎn)品A是實體，投保是OP，條件屬性(UC)為年齡階段，條件是青少年，定價方式是DP。
(3)實體+實體-屬性
例如：對于問句“產(chǎn)品A訂單的查看方式是什么？”，表示了如下的實體屬性關(guān)系：實體1是產(chǎn)品A，實體2是訂單，查看方式是DP。
2 語義分析
語義分析是對話系統(tǒng)的核心，它負(fù)責(zé)分析輸入的自然語言中關(guān)鍵的要素和整體的意圖，對整個問答系統(tǒng)的處理能力起著至關(guān)重要的作用。
基于語義模板的語義分析模型是比較成熟的語義分析方法。由于在特定領(lǐng)域，用戶所用的語言和所涉及的語言變化相對較少，使用語義模板可以基本覆蓋實際的需要，具有簡單易行、準(zhǔn)確性高、實用性強(qiáng)的特點。
因此本文采用了改進(jìn)的基于語義模板的語義分析模型。一方面把領(lǐng)域無關(guān)的語義知識和領(lǐng)域相關(guān)的語義知識分開，另一方面利用多層次模板生成的方法，保證模板的準(zhǔn)確度與靈活度。模板既人工可控，可以較為精確地處理每一類問題，又可以充分體現(xiàn)人類智慧在人工智能中起到的指導(dǎo)意義。語義分析的基本流程如圖5所示。
圖5表示了語義分析的整個流程：自然語言通過預(yù)處理，得到分詞后的字符串流，包括了各種命名實體的識別、特殊符號的識別等。字符串流和模板庫中的模板進(jìn)行匹配，得到相應(yīng)的對話意圖。同時輸入的字符串通過信息檢索的方法，對語料中存在答案的QA對進(jìn)行搜索，通過相似度比對找到最相似的答案。后處理模塊決定采用模板還是QA對的結(jié)果，將結(jié)果輸出到對話管理。
語義模板規(guī)則是通過模板的形式把用戶的意圖映射到知識圖譜上面，例如：
句子：如何購買XX人壽險
模板R：(如何|怎么)(購買|買){{保險產(chǎn)品：e}}→(e，p=“購買方式”，?)
從工程上來說，類似R這種類正則表達(dá)式的方式，用戶維護(hù)起來比較困難，很難考慮周全。本文把用戶維護(hù)模板與系統(tǒng)模板分開，通過多級語言知識擴(kuò)展，生成系統(tǒng)模板。
模板生成模塊遞歸調(diào)用同義規(guī)則資源，將可維護(hù)的模板自動生成為機(jī)器使用的模板。所謂的同義規(guī)則，主要由3種規(guī)則構(gòu)成：
(1)停用詞規(guī)則：在句子中可以被省略的詞，并不會影響句子的實質(zhì)語義表達(dá)。通常這些詞為副詞、助詞等。
(2)同義詞規(guī)則：在任何上下文中都可以相互替換而保持同義的詞匯。例如：母親和媽媽。這部分資源，可以在已有語言學(xué)資源的基礎(chǔ)上（例如：同義詞詞林），經(jīng)過人工編輯審核得到。
(3)同義轉(zhuǎn)換規(guī)則：只在特定上下文中是同義的，通常有較大的結(jié)構(gòu)性的變化。這部分資源可以一方面通過人工編輯補(bǔ)充，也可以在較大規(guī)模的標(biāo)注數(shù)據(jù)上歸納得到。
如上的規(guī)則在很多情況下是領(lǐng)域無關(guān)的，維護(hù)好同義規(guī)則資源，對于領(lǐng)域遷移有很大的益處。
例如：
用戶可維護(hù)模板：如何購買{{保險產(chǎn)品：e}}
同義詞規(guī)則1：如何→如何|怎樣
同義詞規(guī)則2：購買→購買|買
統(tǒng)一轉(zhuǎn)換規(guī)則1：如何購買{{NP}}→購買{{NP}}的方式
可以生成如下的機(jī)器使用規(guī)則：
R1：(如何|怎樣)(購買|買){{保險產(chǎn)品：e}}
R2：(購買|買){{保險產(chǎn)品：e}}的方式
這樣就實現(xiàn)了用戶可維護(hù)性與機(jī)器匹配便利性的統(tǒng)一。
3 對話管理
對話管理模塊的作用是處理對話的上下文信息，進(jìn)行相應(yīng)的邏輯運(yùn)算并返回回答結(jié)果的表達(dá)式。特別對于保險領(lǐng)域來說，用戶的主要目的不是閑聊，而是要獲取相應(yīng)信息，對話的進(jìn)程有一定的限定性和指向性。對話管理模塊主要包含了對話管理模型與自然語言生成兩部分內(nèi)容。
在經(jīng)過語義分析和意圖分析后，輸入的自然語言已經(jīng)被轉(zhuǎn)化為一個較為明確的邏輯表達(dá)式。對話模型旨在建立一個完整的對話流程控制和對話邏輯處理的體系，以完成對話系統(tǒng)的對話功能。結(jié)合特定領(lǐng)域的特點，本文采用了基于有限狀態(tài)自動機(jī)的對話模型[6-7]，同時結(jié)合了填表的方法來構(gòu)建對話管理模塊，如圖6所示。
在當(dāng)前保險領(lǐng)域，自動機(jī)的狀態(tài)由{實體，意圖，條件，上下文}四元組決定。狀態(tài)之間轉(zhuǎn)移而發(fā)生的對話動作(DA)主要有寒暄、反問、推薦、查詢。自動機(jī)的設(shè)計遵循如下的規(guī)則，在當(dāng)前狀態(tài)下：
(1)如果意圖是寒暄，就回答寒暄；
(2)如果可以在知識圖譜中得到結(jié)果，就返回查詢結(jié)果；
(3)如果在知識圖譜中沒有找到結(jié)果，返回推薦；
(4)如果在知識圖譜中找到多個結(jié)果，按照條件或者意圖反問澄清，并根據(jù)回答更新上下文。
考慮到保險知識圖譜的復(fù)雜性，自動機(jī)在自動生成的基礎(chǔ)上，針對知識圖譜的特殊結(jié)構(gòu)做了特別的處理。
例如：保險的投保年齡分別涉及投保人和被保險人的年齡，而年齡又有上限和下限的具體限制，如圖7所示。在查詢投保年齡時，系統(tǒng)檢查上下文中是否包含了“對象”信息，以及所問的具體屬性是否明確。如當(dāng)用戶詢問“X保險最小幾歲能買”時，系統(tǒng)反問“您想問的是X保險哪個對象的投保年齡下限：投保人、被保險人”，此時如果用戶補(bǔ)充“被保險人”，系統(tǒng)便能回答“X保險被保險人的投保年齡下限為0歲”。
每輪對話都會產(chǎn)生DA，DA由邏輯表達(dá)式通過可編輯的模板生成自然語言回答。答案生成模板是開放用戶維護(hù)的。如果通過答案表達(dá)式索引到了多個模板，則從這些模板中隨機(jī)進(jìn)行選擇，答案的形式可以變得更加豐富，也使得系統(tǒng)與人交互更為友好和智能。答案生成的數(shù)據(jù)資源和自動機(jī)邏輯是完全分離的，這使得系統(tǒng)能夠快速有效地進(jìn)行遷移。
4 系統(tǒng)實現(xiàn)
本文在保險領(lǐng)域構(gòu)建了實用的對話系統(tǒng)。為搭建系統(tǒng)，在9 000條用戶真實QA數(shù)據(jù)上進(jìn)行了實體和意圖的標(biāo)注，構(gòu)建了約800個語義模板。在40 000條用戶真實測試集合上取得了93%正確率的效果，系統(tǒng)在實際的運(yùn)行中，不滿意占比小于10%，效果良好。
圖8為系統(tǒng)真實的問答記錄。
5 結(jié)論
本文從特定領(lǐng)域的特點出發(fā)，介紹了特定領(lǐng)域?qū)υ捪到y(tǒng)的構(gòu)建方法。總的來說特定領(lǐng)域的對話系統(tǒng)是以知識圖譜為靈魂，語義解析和對話管理為核心的對話系統(tǒng)，強(qiáng)調(diào)實用性，時效性，可移植性。在具有較高冷啟動性能的基礎(chǔ)上，通過從易到難，從簡單到復(fù)雜，從數(shù)據(jù)到知識，再從知識到數(shù)據(jù)的過程，逐步提高系統(tǒng)的表現(xiàn)。
未來的系統(tǒng)還主要需要在如下幾個方面加強(qiáng)：
(1)從較大規(guī)模無結(jié)構(gòu)數(shù)據(jù)中提取知識的有效性，利用半監(jiān)督學(xué)習(xí)和增強(qiáng)學(xué)習(xí)的方法，盡量減少人工干預(yù)；
(2)更有效率和操作性的知識圖譜構(gòu)建方法論；
(3)適用于特定領(lǐng)域的語法分析器，在滿足數(shù)據(jù)量的基礎(chǔ)上，結(jié)合知識圖譜的向量化，通 過深度學(xué)習(xí)，得到更好的語言模型；
(4)更好地利用數(shù)據(jù)評價知識，并對知識進(jìn)行加權(quán)，甚至引入部分常識性表示；
(5)更好地利用知識評價數(shù)據(jù)，減少標(biāo)注數(shù)據(jù)的偏置，通過主動交互的方法，更有效地加快系統(tǒng)收斂的速度。
參考文獻(xiàn)
[1] EHRLINGER L，WOB W.Towards a definition of knowledge graphs[C].SEMANTICS，2016.
[2] 李潔，丁穎.語義網(wǎng)、語義網(wǎng)格和語義網(wǎng)絡(luò)[J].計算機(jī)與現(xiàn)代化，2005，7(4)：38-41.
[3] MANOLA F，MILLER E.RDF primer recommendation[EB/OL].(2004-02-10)[2019-05-14].http：//www.w3.org/TR/rdf-primer.
[4] 韓韌，黃永忠，劉振林，等.OWL本體構(gòu)建方法的研究[J].計算機(jī)工程學(xué)報，2008，29(6)：93-101.
[5] 王梅.OWL領(lǐng)域本體構(gòu)建方法研究[J].圖書情報工作，2006，50(12)：30-35.
[6] 黃民烈，朱小燕.對話管理中基于槽特征有限狀態(tài)自動機(jī)的方法研究[J].計算機(jī)學(xué)報，2004，27(8)：1092-1101.
[7] LIU Y，HAO Y，ZHU X，et al.A question answering system built on domain knowledge base[C].Web-age Information Management，2015：111-122.
作者信息:
代文韜1，林詩璐2，朱小燕1，黃民烈1
(1.清華大學(xué) 計算機(jī)科學(xué)與技術(shù)系，北京100084；2.華北電力大學(xué) 控制與計算機(jī)工程學(xué)院，北京102206)