基于問(wèn)答系統(tǒng)的知識(shí)推理技術(shù)

李啟可 張克亮

摘要：?jiǎn)柎鹣到y(tǒng)的歷史可以追溯到20世紀(jì)50年代，主要是受到了圖靈測(cè)試的影響，圖靈測(cè)試主要是通過(guò)測(cè)試者與被測(cè)試者之間的問(wèn)答來(lái)進(jìn)行測(cè)試。圖靈測(cè)試可以說(shuō)是問(wèn)答最初的表現(xiàn)形式。而在當(dāng)時(shí)，伴隨著計(jì)算機(jī)的發(fā)展，問(wèn)答系統(tǒng)也在之后問(wèn)世，只不過(guò)當(dāng)時(shí)的問(wèn)答較現(xiàn)在來(lái)說(shuō)，系統(tǒng)復(fù)雜程度不高，功能較少。經(jīng)過(guò)幾十年的發(fā)展，問(wèn)答系統(tǒng)已經(jīng)具有了蓬勃的發(fā)展，種類(lèi)繁多，其中所使用的方法以及模型也多不勝數(shù)。近年來(lái)，由谷歌所提出的知識(shí)圖譜技術(shù)在工業(yè)界得到了廣泛的應(yīng)用，并且知識(shí)圖譜給帶來(lái)的收益是不可小覷的，知識(shí)圖譜結(jié)合了多種學(xué)科，并利用圖的形式，為研究者提供具有切實(shí)的，有價(jià)值的參考。本文將著重介紹與知識(shí)圖譜，知識(shí)推理相關(guān)的問(wèn)答系統(tǒng)的發(fā)展?fàn)顩r，在此將做一個(gè)整體性的論述。

中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2019）09-0155-02

1 基本概念

1.1 什么是推理

我們?cè)谏钪谐３Ｕ劦酵评恚慨?dāng)我們要對(duì)某些未知的事情進(jìn)行猜測(cè)或是分析時(shí)，我們就會(huì)用到推理。推理，在《現(xiàn)代漢語(yǔ)詞典第6版》第1323頁(yè)是這樣定義的：邏輯學(xué)指思維的基本形式之一，是由一個(gè)或幾個(gè)已知的判斷（前提）推出新判斷（結(jié)論）的過(guò)程[1]。

推理是思維的基本形式之一，思維是人類(lèi)的基本的特征，推理能夠幫助人類(lèi)認(rèn)識(shí)世界，能夠有效地表達(dá)人類(lèi)的思維，并與外界產(chǎn)生交流，從而實(shí)現(xiàn)信息的交換。從古至今，人類(lèi)的知識(shí)產(chǎn)量一直在不斷增長(zhǎng)，尤其最近幾十年，人類(lèi)知識(shí)呈現(xiàn)爆炸式的增加，從人類(lèi)思維的角度來(lái)說(shuō)，這就是推理所帶給人類(lèi)的巨大益處，人類(lèi)通過(guò)已知的知識(shí)去推理未知的知識(shí)，從而產(chǎn)生新的知識(shí)，這樣的過(guò)程就是一個(gè)推理的過(guò)程，而這個(gè)過(guò)程是從已知到未知，從無(wú)到有的過(guò)程。

1.2 什么是知識(shí)推理

知識(shí)推理的定義比較多，以下是MBA智庫(kù)百科的定義：知識(shí)推理是指在計(jì)算機(jī)或智能系統(tǒng)中，模擬人類(lèi)的智能推理方式，依據(jù)推理控制策略，利用形式化的知識(shí)進(jìn)行機(jī)器思維和求解問(wèn)題的過(guò)程。推理是按照某種策略從已知判斷推出另一種判斷的思維過(guò)程。推理的過(guò)程就是解決問(wèn)題的過(guò)程，使問(wèn)題從初始狀態(tài)轉(zhuǎn)移到目標(biāo)狀態(tài)的方法和途徑。Kompridis[2]在他的論文中談到，推理為一系列能力的總稱(chēng)，包括有意識(shí)地理解事物的能力建立和驗(yàn)證事實(shí)的能力運(yùn)用邏輯的能力以及基于新的或存在的知識(shí)改變或驗(yàn)證現(xiàn)有體系的能力。

推理是人類(lèi)思維最基本的特征，作為一個(gè)正常的人類(lèi)，或者說(shuō)只要是正常的人類(lèi)，都會(huì)推理，這是必須承認(rèn)的事實(shí)。其實(shí)推理就是思考，而對(duì)于機(jī)器來(lái)說(shuō)，機(jī)器并不會(huì)思考，機(jī)器不想人類(lèi)那樣智能，人類(lèi)能夠分辨貓咪和狗，能夠分辨下雨和天晴，但機(jī)器不能，機(jī)器在沒(méi)人類(lèi)指導(dǎo)的情況下是做不到的；人類(lèi)能夠通過(guò)學(xué)習(xí)去推斷出新的知識(shí)，人類(lèi)能夠通過(guò)學(xué)習(xí)來(lái)推斷未知的事物。但機(jī)器同樣不能，機(jī)器在沒(méi)有人類(lèi)指導(dǎo)的情況下是無(wú)法做出推理的。

那么從人工智能的角度來(lái)說(shuō)，機(jī)器想要進(jìn)行推理，那么必須由人來(lái)指導(dǎo)，由人來(lái)指定規(guī)則，算法，模型等等一系列有利于計(jì)算機(jī)理解的法則，而計(jì)算機(jī)通過(guò)對(duì)這些法則進(jìn)行編碼解碼，來(lái)按照人們的意愿，或是模仿人類(lèi)的推理的行為做出一些簡(jiǎn)單的推理。我們必須把現(xiàn)實(shí)世界里的語(yǔ)言，知識(shí)，或是規(guī)則轉(zhuǎn)換成計(jì)算機(jī)能夠識(shí)別的語(yǔ)言，這樣能夠使計(jì)算機(jī)更加方便去進(jìn)行推理，而計(jì)算機(jī)將通過(guò)計(jì)算機(jī)能識(shí)別的語(yǔ)言按照人們的思路去進(jìn)行推理，從而實(shí)現(xiàn)讓計(jì)算機(jī)來(lái)進(jìn)行推理的過(guò)程。

2 歷史發(fā)展

知識(shí)推理是與知識(shí)圖譜密切相關(guān)，知識(shí)圖譜的誕生直接導(dǎo)致了知識(shí)推理的誕生，而知識(shí)推理離不開(kāi)知識(shí)圖譜，知識(shí)推理中很多技術(shù)都是基于知識(shí)圖譜來(lái)實(shí)現(xiàn)的，這就體現(xiàn)了這兩種技術(shù)的相互的依賴(lài)性。關(guān)于知識(shí)圖譜和知識(shí)推理的發(fā)展大概可以分為本體網(wǎng)絡(luò)時(shí)代，語(yǔ)義網(wǎng)時(shí)代，和知識(shí)圖譜時(shí)代[3]。

2.1 本體時(shí)期

知識(shí)圖譜的最初形式是本體網(wǎng)絡(luò)。這可以看作是知識(shí)圖譜的雛形，后期的知識(shí)圖譜在很大程度上是受本體網(wǎng)絡(luò)的啟發(fā)，從而發(fā)展出來(lái)的。本體（ontology）是一個(gè)哲學(xué)里的概念，在知識(shí)圖譜的發(fā)展過(guò)程中，本體主要是指由一些抽象概念，物體屬性以及關(guān)系類(lèi)型所構(gòu)成一個(gè)世界。本體主要關(guān)注的是物體之間的相互關(guān)系，或是物體的特征之間的一些相互關(guān)系。本體網(wǎng)絡(luò)我們可以看作是一種特殊的語(yǔ)義網(wǎng)絡(luò)（Semantic Network），這在早期人們也對(duì)其做了深入研究，并由此催生了很多與之技術(shù)。

在知識(shí)圖譜發(fā)展初期，除了本體網(wǎng)絡(luò)的雛形之外，還有一種形式值得我們研究——專(zhuān)家系統(tǒng)。專(zhuān)家系統(tǒng)中存儲(chǔ)了大量的與某一類(lèi)專(zhuān)業(yè)相關(guān)的知識(shí)，每當(dāng)我們需要解決某一類(lèi)專(zhuān)業(yè)問(wèn)題的時(shí)候，我們可以不再去查閱大量的資料來(lái)解決我們遇到的問(wèn)題，我們可以直接使用這樣一個(gè)存儲(chǔ)了大量專(zhuān)業(yè)知識(shí)的專(zhuān)家系統(tǒng)，通過(guò)這個(gè)專(zhuān)家系統(tǒng)來(lái)解決我們的問(wèn)題。這樣的專(zhuān)家系統(tǒng)同樣為后來(lái)的一些人工智能系統(tǒng)提供了靈感。這也是早期人們通過(guò)計(jì)算機(jī)程序系統(tǒng)來(lái)解決問(wèn)題的一個(gè)實(shí)例。

2.2 語(yǔ)義網(wǎng)

語(yǔ)義網(wǎng)（Semantic Web）與語(yǔ)義網(wǎng)絡(luò)（Semantic Network）是兩個(gè)不同的概念，語(yǔ)義網(wǎng)絡(luò)主要研究事物之間的相互關(guān)系，或是事物特征之間的相互關(guān)系，而語(yǔ)義網(wǎng)則是與互聯(lián)網(wǎng)類(lèi)似的一種網(wǎng)，它具有十分強(qiáng)大的智能，能夠有效地與人類(lèi)交流，從而實(shí)現(xiàn)人類(lèi)與機(jī)器的交互。語(yǔ)義網(wǎng)主要通過(guò)對(duì)用戶(hù)輸入的語(yǔ)義進(jìn)行工作。對(duì)于當(dāng)前大量的信息，人們將會(huì)面臨困難是如何對(duì)大量信息進(jìn)行檢索，以及挖掘有用信息，而語(yǔ)義網(wǎng)的出現(xiàn)正是對(duì)這種困難的一種解決方案。

2.3 知識(shí)圖譜

2012年，谷歌提出知識(shí)圖譜。這是由谷歌搜索引擎專(zhuān)家Amit Singhal在他的論文《Introducing the Knowledge Graph： things， not strings》中提出的，搜索引擎在知識(shí)圖譜的幫助下其性能將會(huì)有一個(gè)很大的提升。在知識(shí)圖譜的幫助下，搜索引擎將能夠理解用戶(hù)的輸入中語(yǔ)義，從而有一個(gè)更加精確的搜索，對(duì)用戶(hù)的友好度將會(huì)更高。同時(shí)，知識(shí)圖譜會(huì)為用戶(hù)推薦與用戶(hù)搜索相關(guān)的一些信息，或者說(shuō)知識(shí)圖譜通過(guò)用戶(hù)的輸入，來(lái)判斷用戶(hù)的喜好、興趣，并根據(jù)這些喜好和興趣來(lái)為用戶(hù)推薦相關(guān)的東西。這與個(gè)性化推薦比較相似。

3 主流技術(shù)

當(dāng)前在問(wèn)答系統(tǒng)中有很多技術(shù)，這里主要介紹問(wèn)答系統(tǒng)中一些相對(duì)來(lái)說(shuō)比較主流的技術(shù)。主要分為兩種，一種是基于規(guī)則的推理方法，一種是基于統(tǒng)計(jì)的推理方法。

3.1 基于規(guī)則的推理方法

基于規(guī)則的推理方法[4]，這個(gè)方法的主要思想是借助RDF來(lái)實(shí)現(xiàn)的，資源描述框架RDF是Resource Description Framework的縮寫(xiě)，RDF允許人們可以定義自己的詞匯表，這就意味著在知識(shí)表示的方面，人們能夠根據(jù)自己的實(shí)際情況來(lái)定義知識(shí)，然后再根據(jù)自己的詞匯表或者是自己定義的知識(shí)來(lái)進(jìn)行知識(shí)推理。但僅僅是這樣還無(wú)法完成知識(shí)推理，所以在這當(dāng)中加入了圖，與三元組相似，用圖來(lái)表示實(shí)體之間的關(guān)系，但在這當(dāng)中變得十分靈活，通過(guò)自己定義知識(shí)表示結(jié)構(gòu)，從而讓系統(tǒng)從這樣的結(jié)構(gòu)中去學(xué)習(xí)推理，并通過(guò)這些知識(shí)去推理出新的知識(shí)。

其次，在基于規(guī)則的推理方法中，還使用了OWL，OWL是Ontology Web Lanugage的縮寫(xiě)，通過(guò)借助這種語(yǔ)言來(lái)對(duì)事物之間的關(guān)系進(jìn)行表示，之后再通過(guò)這些關(guān)系去進(jìn)行推理。

3.2 基于統(tǒng)計(jì)的推理方法

基于統(tǒng)計(jì)的推理方法，這種主要是對(duì)大量數(shù)據(jù)進(jìn)行處理，也就是堆數(shù)據(jù)進(jìn)行挖掘，從中挖掘出實(shí)體之間的關(guān)系，之后再抽象成相應(yīng)的規(guī)則，從而在這之后能夠?qū)崿F(xiàn)知識(shí)推理。我們都知道知識(shí)圖譜主要是從數(shù)據(jù)抽取出三元組，通過(guò)三元組來(lái)表示實(shí)體之間的關(guān)系，這里基于統(tǒng)計(jì)的推理方法同樣是如此，但這里的方法更進(jìn)一步，它把抽取出來(lái)的三元組放進(jìn)一個(gè)集合，同時(shí)有把這當(dāng)中涉及的實(shí)體放入另一個(gè)集合，通過(guò)這樣方法對(duì)未知的三元組進(jìn)行推理，推斷出一些可能的，未出現(xiàn)過(guò)的三元組，從而實(shí)現(xiàn)知識(shí)的推理。

4 總結(jié)

本文從知識(shí)推理的概念，歷史發(fā)展，以及在問(wèn)答系統(tǒng)中一些主流的知識(shí)推理技術(shù)等多個(gè)方面對(duì)知識(shí)推理做了介紹，從中我們可以了解到有關(guān)知識(shí)推理的一部分內(nèi)容，同時(shí)，我們也能從這些內(nèi)容中獲取一些相關(guān)知識(shí)，從而能指導(dǎo)我們之后的學(xué)習(xí)，有關(guān)知識(shí)推理的內(nèi)容以及知識(shí)推理的應(yīng)用在工業(yè)界還有很多，例如基于知識(shí)庫(kù)的問(wèn)答系統(tǒng)[5]。在這里只是選取一些主流技術(shù)來(lái)介紹，對(duì)于知識(shí)推理我們?nèi)匀贿€有很長(zhǎng)的路要走，因此我們應(yīng)該秉持虛心求教的態(tài)度，才能把握好之后的機(jī)遇。

參考文獻(xiàn)：

[1] 官賽萍，靳小龍，賈巖濤，等.面向知識(shí)圖譜的知識(shí)推理研究進(jìn)展[J].軟件學(xué)報(bào)，2018，29（10）：2-3.

[2] Kompridis N. So we need something else for reason to mean. International Journal of Philosophical Studies，2000，8（3）：271-95.

[3] 毛先領(lǐng)，李曉明.問(wèn)答系統(tǒng)研究綜述[J].Journal of Frontiers of Computer Science and Technology，2012，6（3）：195-196.

[4] 曾帥，王帥，袁勇，等.面向知識(shí)自動(dòng)化的自動(dòng)問(wèn)答研究進(jìn)展[J].自動(dòng)化學(xué)報(bào)，2017，43（7）：5?6.

[5] 王樹(shù)西.問(wèn)答系統(tǒng)：核心技術(shù)、發(fā)展趨勢(shì)[J].計(jì)算機(jī)工程與應(yīng)用，2005.18：2-3.

【通聯(lián)編輯：李雅琪】