0 引言

    人工智能是当前世界科技发展的潮流。问答系统和对话系统是人工智能系统中既古老而又年轻的话题。随着互联网服务对象的规模日益扩大，为了提高效率，降低人力成本，很多特定领域的服务都开始引入自动问答系统。保险行业由于其业务量大、业务范围广、业务面对的对象多等特点，非常需要对话系统的建设。

    图1中描述了特定领域对话系统的一般结构，自然语言理解模块对用户的问题进行语义分析，产生语义结构，再通过对话管理和答案生成模块得到答案。对于特定领域的对话系统，知识图谱的地位非常重要。没有知识，就不能理解用户输入的上下文，也就不能进行对话。在结合知识的基础上，对自然语言进行分析，识别出用户的意图，通过对话管理，生成多轮的对话。

    虽然随大数据和人工智能的发展出现了很多通用的知识图谱，例如Google的Knowledge Graph^[1]就已经有了30亿条数据，但是如此庞大的图谱不足以支撑垂直领域所需要更细致的专业知识，对于保险领域来说也是如此。保险行业由于知识的复杂性、动态性和保密性，缺乏真实可用的知识图谱和与之相对应的语法分析与对话管理。

1 知识图谱构建和维护

    对于领域的对话系统，知识图谱是非常重要的。当需要在一个新的领域构建一个对话系统时，首先必须做的就是构建出可以反映领域知识的知识图谱，然后在知识图谱的基础上，才可以真正地理解用户的意图，从而实现有上下文交互的对话流程。

1.1 知识图谱的表示

    通常来说，知识图谱是基于语义网对概念、关系的抽象描述，描述专业领域知识和各类资源及资源之间的关系，可以帮助人类和计算机更好地协同工作^[2]。本文使用RDF和RDFS作为知识图谱的描述语言^[3]。

    资源描述框架(RDF)是用来表示万维网上各类资源和信息的一种语言，用三元组(Triple)的方式描述对象和对象之间的关系，通常可以形式化为(Subject，Predict，Object)，简称为SPO。

    RDF Schema(RDFS)是对RDF的一种扩展。RDF通过类、属性和值来描述资源，在此之外，RDF还需要一种定义应用程序专业的类和属性的方法。应用程序专用的类和属性必须使用对RDF的扩展来定义。RDF Schema就是这样一种扩展，专门用来定义知识图谱的结构框架Schema。

1.2 知识图谱构建的一般方法

    知识图谱的构建包括了本体的构建与知识实例的填充。常用知识图谱构建方法有企业建模法(Tove)、骨架法(Skeletal Methodology)、Methontology法、循环获取法、七步法等^[4-5]。根据特定领域具体情况，本文借鉴了七步法构建知识图谱。7个步骤如图2所示，分别为：

    (1)确定知识图谱的专业领域和范畴。明确构建的语义本体所覆盖的专业领域、构建目的、作用、维护和应用对象(这些元素与领域本体的建立有着很大的关系，所以在开发语义本体前就必须确定)。

    (2)考虑复用现有语义本体的可能性。

    (3)列出语义本体中的重要术语。着手建立自己的本体前，先根据专业知识重要术语列出一个术语表。

    (4)定义类(Class)和类的等级体系(Hierarchy)。建立一个类等级体系一般来说有3种方法：一是自顶向下法，从领域中最大的通用概念开始，而后将这些概念细化；二是自底向上法，由等级体系树中底层叶子类的定义开始，然后将这些叶子类合并为更为概括的较大概念(即向上回溯)；三是综合法，综合以上两种方法，首先定义直接大量显而易见的概念，然后再对它们进行进一步的归纳和细化。

    (5)定义类的属性。一旦定义好了类，就要开始描绘概念间的内在结构，即类的属性。任意一个类的所有下位类都会继承其上位类(父类)的属性。为了方便操作，属性的定义多是基于之前列出的术语清单。

    (6)定义属性的限制。属性限制有许多不同的类型，如描述赋值类型(value type)、允许的赋值(allowed value)以及赋值的基数(cardinality)。除了上述几种限制外，还有值域(range)和定义域(domain)的定义。

    (7)创建实例。在类和属性的结构确定后，根据实际情况和知识，建立实例。

1.3 保险领域知识图谱

    保险领域包括了产品、个险、核保和养老社区等子领域。通过4步法，本文构建了如表1所示的知识图谱。

    以保险产品为例，按照图3的方式定义了保险的层次类别。

    一个具体的保险产品就是一个保险产品类的实例，同时具有多个属性。很多时候，实体和属性的关系往往比较复杂，这也需要在知识图谱里面加以体现。

    最简单的情况就是“实体-属性-值”，例如：（XX保险定义<def>）。除此之外，还存在以下几种复杂的情况，如图4所示。

    (1)实体-属性-属性

    例如：对于问句“我投保你们这个产品A的时候，定价是怎么定出来的？”，表示了如下的实体属性关系：“产品A-投保-定价方式-值”。在这种情况下需要引入一个空白节点(Blank Node)，产品A是实体，投保是对象属性(OP)，定价方式是数据属性(DP)。

    (2)实体-属性-属性-约束条件-值

    例如：对于问句“我是个青少年，投保你们这个产品A的时候，定价是怎么定出来的？”，表示了如下的实体属性关系：“产品A-投保-定价方式-青少年-值”。即产品A是实体，投保是OP，条件属性(UC)为年龄阶段，条件是青少年，定价方式是DP。

    (3)实体+实体-属性

    例如：对于问句“产品A订单的查看方式是什么？”，表示了如下的实体属性关系：实体1是产品A，实体2是订单，查看方式是DP。

2 语义分析

    语义分析是对话系统的核心，它负责分析输入的自然语言中关键的要素和整体的意图，对整个问答系统的处理能力起着至关重要的作用。

    基于语义模板的语义分析模型是比较成熟的语义分析方法。由于在特定领域，用户所用的语言和所涉及的语言变化相对较少，使用语义模板可以基本覆盖实际的需要，具有简单易行、准确性高、实用性强的特点。

    因此本文采用了改进的基于语义模板的语义分析模型。一方面把领域无关的语义知识和领域相关的语义知识分开，另一方面利用多层次模板生成的方法，保证模板的准确度与灵活度。模板既人工可控，可以较为精确地处理每一类问题，又可以充分体现人类智慧在人工智能中起到的指导意义。语义分析的基本流程如图5所示。

    图5表示了语义分析的整个流程：自然语言通过预处理，得到分词后的字符串流，包括了各种命名实体的识别、特殊符号的识别等。字符串流和模板库中的模板进行匹配，得到相应的对话意图。同时输入的字符串通过信息检索的方法，对语料中存在答案的QA对进行搜索，通过相似度比对找到最相似的答案。后处理模块决定采用模板还是QA对的结果，将结果输出到对话管理。

    语义模板规则是通过模板的形式把用户的意图映射到知识图谱上面，例如：

    句子：如何购买XX人寿险

    模板R：(如何|怎么)(购买|买){{保险产品：e}}→(e，p=“购买方式”，?)

    从工程上来说，类似R这种类正则表达式的方式，用户维护起来比较困难，很难考虑周全。本文把用户维护模板与系统模板分开，通过多级语言知识扩展，生成系统模板。

    模板生成模块递归调用同义规则资源，将可维护的模板自动生成为机器使用的模板。所谓的同义规则，主要由3种规则构成：

    (1)停用词规则：在句子中可以被省略的词，并不会影响句子的实质语义表达。通常这些词为副词、助词等。

    (2)同义词规则：在任何上下文中都可以相互替换而保持同义的词汇。例如：母亲和妈妈。这部分资源，可以在已有语言学资源的基础上（例如：同义词词林），经过人工编辑审核得到。

    (3)同义转换规则：只在特定上下文中是同义的，通常有较大的结构性的变化。这部分资源可以一方面通过人工编辑补充，也可以在较大规模的标注数据上归纳得到。

    如上的规则在很多情况下是领域无关的，维护好同义规则资源，对于领域迁移有很大的益处。

    例如：

    用户可维护模板：如何购买{{保险产品：e}}

    同义词规则1：如何→如何|怎样

    同义词规则2：购买→购买|买

    统一转换规则1：如何购买{{NP}}→购买{{NP}}的方式

    可以生成如下的机器使用规则：

    R1：(如何|怎样)(购买|买){{保险产品：e}}

    R2：(购买|买){{保险产品：e}}的方式

    这样就实现了用户可维护性与机器匹配便利性的统一。

3 对话管理

    对话管理模块的作用是处理对话的上下文信息，进行相应的逻辑运算并返回回答结果的表达式。特别对于保险领域来说，用户的主要目的不是闲聊，而是要获取相应信息，对话的进程有一定的限定性和指向性。对话管理模块主要包含了对话管理模型与自然语言生成两部分内容。

    在经过语义分析和意图分析后，输入的自然语言已经被转化为一个较为明确的逻辑表达式。对话模型旨在建立一个完整的对话流程控制和对话逻辑处理的体系，以完成对话系统的对话功能。结合特定领域的特点，本文采用了基于有限状态自动机的对话模型^[6-7]，同时结合了填表的方法来构建对话管理模块，如图6所示。

    在当前保险领域，自动机的状态由{实体，意图，条件，上下文}四元组决定。状态之间转移而发生的对话动作(DA)主要有寒暄、反问、推荐、查询。自动机的设计遵循如下的规则，在当前状态下：

    (1)如果意图是寒暄，就回答寒暄；

    (2)如果可以在知识图谱中得到结果，就返回查询结果；

    (3)如果在知识图谱中没有找到结果，返回推荐；

    (4)如果在知识图谱中找到多个结果，按照条件或者意图反问澄清，并根据回答更新上下文。

    考虑到保险知识图谱的复杂性，自动机在自动生成的基础上，针对知识图谱的特殊结构做了特别的处理。

    例如：保险的投保年龄分别涉及投保人和被保险人的年龄，而年龄又有上限和下限的具体限制，如图7所示。在查询投保年龄时，系统检查上下文中是否包含了“对象”信息，以及所问的具体属性是否明确。如当用户询问“X保险最小几岁能买”时，系统反问“您想问的是X保险哪个对象的投保年龄下限：投保人、被保险人”，此时如果用户补充“被保险人”，系统便能回答“X保险被保险人的投保年龄下限为0岁”。

    每轮对话都会产生DA，DA由逻辑表达式通过可编辑的模板生成自然语言回答。答案生成模板是开放用户维护的。如果通过答案表达式索引到了多个模板，则从这些模板中随机进行选择，答案的形式可以变得更加丰富，也使得系统与人交互更为友好和智能。答案生成的数据资源和自动机逻辑是完全分离的，这使得系统能够快速有效地进行迁移。

4 系统实现

    本文在保险领域构建了实用的对话系统。为搭建系统，在9 000条用户真实QA数据上进行了实体和意图的标注，构建了约800个语义模板。在40 000条用户真实测试集合上取得了93%正确率的效果，系统在实际的运行中，不满意占比小于10%，效果良好。

    图8为系统真实的问答记录。

5 结论

    本文从特定领域的特点出发，介绍了特定领域对话系统的构建方法。总的来说特定领域的对话系统是以知识图谱为灵魂，语义解析和对话管理为核心的对话系统，强调实用性，时效性，可移植性。在具有较高冷启动性能的基础上，通过从易到难，从简单到复杂，从数据到知识，再从知识到数据的过程，逐步提高系统的表现。

    未来的系统还主要需要在如下几个方面加强：

    (1)从较大规模无结构数据中提取知识的有效性，利用半监督学习和增强学习的方法，尽量减少人工干预；

    (2)更有效率和操作性的知识图谱构建方法论；

    (3)适用于特定领域的语法分析器，在满足数据量的基础上，结合知识图谱的向量化，通    过深度学习，得到更好的语言模型；

    (4)更好地利用数据评价知识，并对知识进行加权，甚至引入部分常识性表示；

    (5)更好地利用知识评价数据，减少标注数据的偏置，通过主动交互的方法，更有效地加快系统收敛的速度。

参考文献

[1] EHRLINGER L，WOB W.Towards a definition of knowledge graphs[C].SEMANTICS，2016.

[2] 李洁，丁颖.语义网、语义网格和语义网络[J].计算机与现代化，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] 韩韧，黄永忠，刘振林，等.OWL本体构建方法的研究[J].计算机工程学报，2008，29(6)：93-101.

[5] 王梅.OWL领域本体构建方法研究[J].图书情报工作，2006，50(12)：30-35.

[6] 黄民烈，朱小燕.对话管理中基于槽特征有限状态自动机的方法研究[J].计算机学报，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:

代文韬1，林诗璐2，朱小燕1，黄民烈1

(1.清华大学 计算机科学与技术系，北京100084；2.华北电力大学 控制与计算机工程学院，北京102206)