人工智能在智能問答系統中的應用

鞠曉峰，都軍，覃軍，修藝多，丁穎

(1.哈爾濱工業大學經濟與管理學院；2.珠海釆筑電子商務有限公司；3.華僑城集團有限公司)

1 引言

由于數據量的發展，造成了搜索內容繁雜無章，搜索結果難以滿足人們的需要等問題。因此智能問答系統成為一個新的熱點方向。本文首先介紹智能問答系統及其搭建方法，并以“Answer”智能問答系統為例，介紹了智能問答系統的實際應用。

2 智能問答系統的定義

隨著當今互聯網數據越來越繁雜，搜索引擎已經難以滿足領域內專業人士的定制化需求，同時隨著人工智能等技術的飛速發展，智能問答系統應運而生。問答系統是一種對用戶使用自然語言提出的問題能夠給出盡可能準確的回答的計算機程序，智能問答系統是指通過人工智能、知識圖譜等技術建立的以一問一答形式，精確定位網站用戶所需要的提問知識，通過與網站用戶進行交互，為網站用戶提供個性化的信息服務的問答系統[1]。

3 智能問答系統的搭建

3.1 系統的組成

智能問答系統主要分為以下幾個核心模塊：知識庫、語義理解、搜索算法、語言輸出等。

知識庫的構建依托海量的專業知識數據，通常與知識管理系統具有相同的使用環境與功能需求。系統框架是指將知識管理與應用設計成為一個簡單系統，系統包含其內部邏輯，對于不同的輸入可以產生不同的輸出[2]。

語義理解算法主要為離線語義推理，目前主流的方式為模糊算法等，對以一般集合論為基礎的描述工具的數理邏輯進行拓展，從而建立了模糊推理理論。另外還需要對語法進行分塊解析，包括詞義的解釋與詞性的標注等。再通過相應算法進行推算[3]。

搜索算法需要根據用戶提出的問題進行語義理解后的結果，使用人工智能加持下的常用搜索算法，在專業知識庫中檢索最具有效果的答案，并將結構化數據組織輸出等內容送給語言輸出模塊[4]。

語言輸出模塊主要負責對搜索到的結果進行整理，并按照人類的自然語言進行輸出，通常包括文字或聲音等形式。

3.2 系統的設計方案

一個系統的搭建常采用MVC的程序架構模式，該模式實現了模型（Model）、控制器（Controller）和視圖（View）的隔離。智能問答系統的設計也可以基于MVC模式展開。

模型是控制軟件處理數據邏輯的部分。在智能問答系統中，模型應包括相關領域內的專業知識庫，作為基礎數據，并包含語言處理、搜索等核心算法的實現功能，并與控制器與視圖做好相應的數據交互。

控制器用于處理系統與用戶之間的數據交互，是系統輸入的關鍵組成部分。控制器負責采集用戶的輸入信息，進行處理之后發送給模型進行相應的數據分析，等待視圖將結果返還給用戶之后迎接用戶的下一次輸入。

視圖將軟件中的數據展示給用戶，視圖和控制器一起完成了系統與用戶之間的交互功能。同時，視圖中應當由配合控制器進行相應輸入輸出的控制組件，等待模型處理好控制器接收到的數據之后，視圖將處理結果返還給用戶，完成一次完整的軟件功能周期。

4 智能問答系統建設分析——以“Answer”智能問答系統為例

4.1 Answer介紹

采筑平臺在當代科技化商業模式的背景下，積極推進科技與商業的融合，結合人工智能與知識圖譜等新型關鍵技術，聯合華僑城、哈工大和行業優秀供應商共同研發了一套在線智能問答系統——Answer，用以實現專業知識的體系化、結構化管理，保證專業知識能夠持續建設和傳承。

Answer系統的知識來源于完備準確的真實行業數據，具體為通過采筑平臺多年招標采購經驗，海量的歷史交易和質量數據，行業數據的知識結構由行業多年工程服務、專家系統等進行建設與維持。系統具備行業內供方廠家全面的工程服務能力交付能力，領先的行業內專家專業能力，能夠在線幫助解決工程材料領域專業問題。

傳統采購工程知識基本存在于人工經驗，因此智能問答系統Answer可以改變過去工程采購高度依賴于人，見面才可以完成采購的弊端，加快了企業采購工作、工程運行的速度；提高了企業知識管理與儲備的能力。

4.2 Answer的功能特點

聚焦垂直領域，致力于在線解決工程采購領域專業問題。Answer智能問答系統將知識結構聚焦于工程項目中的關鍵領域，保證在領域中的知識呈現一定的聚合性，使得知識在該領域的利用能夠最高效化，提高領域的發展。

細分數據存儲，實現招標采購領域知識結構化。知識需要以結構化、系統化的形式進行保存，才能夠保證知識能夠被合理、高效地利用。Answer智能問答系統細分專業知識數據，并實現知識的結構化保存，能夠有效提高回答的準確率。

知識積累沉淀，支持招標采購過程數據傳承。知識的傳承能夠保證領域或行業長期保持進步，傳統的知識的傳播方式主要依賴于人的經驗于教訓，使得知識的傳播效率大打折扣。Answer保證結構化知識準確、高效傳播，而不是依賴于人，利于知識的有效傳承。

打通時空壁壘，線上根據需求找到最佳答案。Answer系統能夠保證知識的時效性、便捷性等，它打通了時空的壁壘，使得對知識有需求的人可以隨時隨地對知識進行定向的獲取，可以幫助人們根據各自的需求獲取最佳的答案。

4.3 Answer的產品架構

Answer的架構分為前端與后臺兩大部分，前端用于用戶的直接服務，包括呼叫中心、語音識別模塊、業務服務、接入渠道等服務；后臺包括智能呼叫中心、訓練平臺、數據系統與知識云服務模塊等。具體產品架構圖如圖1。

4.4 Answer的優勢

相較于傳統知識積累方式，Answer的數據積累和傳承更具有大數據時代的特色。采筑聯合地產龍頭萬科，將萬科36年來的工程采購經驗，覆蓋80多個品類招標采購，20余萬條訂單數據，用于智能問答系統的知識儲備，并將海量天網檢測、招標機器人結構化招標數據添加到采購行業的知識庫中，保證了答案覆蓋的全面性。

利用智能問答系統，企業可以降本提效。Answer系統匯集了行業領先供應商、采筑產品合伙人團隊、采筑質量專家委員會、行業協會權威專家、優秀采購商等專家團隊實際生產服務經驗和解決方案，依據大量、可靠的專業基礎知識進行支撐，專業問題交流不需要見面也能獲得滿意的答案。

Answer系統是與頂尖高校團隊建立聯合實驗室，搭建會不斷深度學習的機器人。該系統不會保持一成不變，每完成一次招標、每下一次訂單、每完成一次檢測和評估都會實現持續的數據加載和模型適配，保證系統的時效性，并逐步優化其問答算法。

圖1 Answer的產品架構圖

5 結語

采筑聯合多方開發的智能問答機器人Answer作為一個行業專業知識管理的成功典范，將萬科集團多年采購、招標等經驗知識結構化，形成了完備的采購知識問答庫，大大提高了相關工作的進行效率。