💡
蚂蚁集团算法专家贾强槐的文章《蚂蚁大规模知识图谱构建及其应用》,让我看到了互联网大厂和传统企业在知识图谱应用上的巨大鸿沟。
一、蚂蚁做了什么
1.1 知识图谱不是"画关系图"
很多人对知识图谱的理解还停留在"把实体和关系画成图"的阶段。但这份蚂蚁的实践告诉我们:知识图谱是语义+结构的双建模。
什么叫双建模?
- 结构建模
实体之间的关联关系(比如"用户A购买了产品B")
- 语义建模
实体本身的属性和含义(比如"产品B是意外险,保障期限1年")只有结构,没有语义,那就是普通的关系数据库;只有语义,没有结构,那就是知识库。 两者结合,才是真正的知识图谱。
1.2 蚂蚁的5步构建路径
蚂蚁的图谱构建不是一蹴而就的,而是遵循一个渐进式融合的路径:
- 业务数据冷启动:用现有的业务数据(用户、商品、交易)作为初始种子
- 外部知识图谱融合:对接维基百科、DBpedia等公开知识图谱,做实体对齐
- 结构化领域知识库融合:接入行业知识库(比如医保目录、商品分类体系)
- 非结构化信息抽取:从文本、图片、日志中抽取实体和关系
- 领域概念体系和专家规则融入:让业务专家定义概念层级和推理规则
这个路径的精妙之处在于:先用数据冷启动,再逐步引入外部知识和专家经验。
不是"先建好完美图谱再上线",而是"边建边用,持续学习"。
1.3 核心技术:实体对齐和分类
蚂蚁在图谱构建中用了三个关键技术,我都觉得挺有意思:
技术1:融合专家知识的实体分类
- 用语义增强(让模型理解实体含义)
- 对比学习(让相似实体在向量空间中靠近)
- 逻辑规则约束(比如"如果是意外险,就一定有保险期限")
技术2:注入领域词表的实体识别
- 边界对比学习(准确识别实体边界,比如"支付宝"是一个词,不能切成"支付"和"宝")
- 语义对比学习(理解实体在上下文中的含义)
技术3:少样本关系抽取
- 借助外部知识库(不用大量标注数据)
- 逻辑规则推理(通过规则推导隐含关系)
最让我印象深刻的是实体对齐技术:用BERT-INT算法,把不同来源的知识融合到同一个图谱里。
想象一下:支付宝有上亿用户,每个用户有几百个标签,怎么把这些信息融合成一个统一的用户画像?这就是实体对齐要解决的问题。
二、知识图谱为什么重要
2.1 传统数据建模的局限
我们做数据的,最熟悉的就是E-R模型(实体-关系模型)和维度建模(星型模型、雪花模型)。
这两种建模方法有什么问题?
问题1:只管结构,不管语义
E-R模型能表达"用户表"和"订单表"之间的外键关系,但它表达不了"订单是一种合同,合同具有法律效力"这种语义。
问题2:难以做推理
维度建模能支持OLAP分析(比如"按地区统计销售额"),但它做不了"买了A产品的用户,大概率也需要B服务"这种推理。
问题3:知识难以复用
每个系统的数据模型都是定制的,A系统的"客户"和B系统的"投保人"可能是同一个概念,但没有人知道,也没有工具能自动发现。
2.2 知识图谱的四大价值
蚂蚁在实践中总结了知识图谱的四大价值,我觉得总结得很好:
价值1:语义标准化
把不同系统、不同口径的数据,映射到统一的知识体系。
比如:"客户""投保人""被保险人"在保险行业是有区别的,但在很多系统里被混为一谈。知识图谱可以明确它们的定义和关系。
价值2:领域知识沉淀
把专家经验固化到图谱里,形成可复用的知识资产。
比如:核保规则("患有糖尿病的客户,不能投保重疾险")可以写成图谱中的推理规则,系统自动执行。
价值3:知识复用
一旦建成图谱,多个应用可以共享。
比如:同一个"产品知识图谱",可以支撑产品搜索、智能推荐、合规审查等多个场景。
价值4:知识推理和发现
这是知识图谱最核心的价值——发现隐含的知识。
比如:图谱可以发现"购买过癌症险的用户,60%会在6个月内购买住院医疗险",这种规律靠传统统计分析很难发现。
2.3 蚂蚁的4个应用场景
蚂蚁把知识图谱用在了4个场景,都是高频、高价值的:
- 结构化匹配召回(比如商品搜索,理解用户意图,精准匹配商品)
- 用户意图预测(比如根据用户历史行为,预测下一步可能的行为)
- 营销券推荐(比如预测用户对哪种优惠券感兴趣)
- 智能理赔推理(比如根据医疗知识图谱,自动审核理赔申请…