知识图谱应用案例

基于图谱增强的可解释性推荐

在下面场景中，如果单靠推荐算法，可能会出现购买了冰箱后，算法又给我们推荐其他冰箱的问题。因为我们对于冰箱是一个短期的需求，买了之后很长时间都不会再去购买。而相反，对于可口可乐，我们的需求是长期的，很可能在这次买了后短时间内又购买。

所以，在这里我们需要基于商品的不同属性做不一样的推荐决策。这里就有必要针对商品的属性做建模。

实际上，现在电商平台都会在其推荐系统背后做相应的知识图谱增强，去做一些可解释性的推荐。

可解释推荐背后的就是商品和用户相关的知识图谱，通过对用户有基本属性，类人群，对应的行为兴趣等等进行建模，再结合推荐算法做一个推荐决策。

此外，基于知识图谱还可以实现自动生成创意文案：

基于图谱的智能搜索

像Google、baidu、facebook等搜索引擎都可以基于语义理解做出智能化的搜索，这背后都用到了知识图谱。

现在搜索对于语⾔言处理理的要求越来越高，体现在以下方面：

• 语义精确理理解：输⼊的不仅仅是关键词，可能是⼀句包含逻辑关系的⽂本（需要有基本的知识库作为⽀支撑）。
• 意图精准理解：“苹果味 唇膏”，“唇膏 苹果味 ”，都是搜索“唇膏”⽽不是苹果（建立苹果味与唇膏之间的搭配关系）。
• 跨媒体协同搜索：根据图⽚定位⽂字，根据⽂字定位视频等等（建⽴跨媒体的知识图谱）。

基于图谱的智能问答

现在的问答系统，除了基于检索型的比较成熟外，像聊天系统等智能欠缺还是很大。而基于图谱的智能问答是最接近AI的。

基于图谱的智能决策

知识图谱能为决策支持提供深沉次关系发现和推理能力。就比如说对于投资行为来讲，各个股票、公司事件之间是相互连接、相互影响，可能一个事件的发生会影响与其直接相关或间接相关方面。

比如说新电池进入市场，会影响上游原材料厂商，还会影响下游电池商家、手机、电动汽车行业等，还对相关行业比如运营商、通讯等。对这些实体搭建知识图谱，当一个事件发生后就能对投资决策提供一个很大的帮助。

Kensho公司属于⾦融咨询⾏业，是全球顶尖的金融咨询公司。它是⼀个将云计算与⾦融咨询业务结合起来的科技型公司。它能基于财报发布、全球数据环境、经济报告、公司产品发布、FDA药品批准等行为相关数据及其关系回答投资相关的问题。

比如：

• 当三级飓⻛袭击费罗⾥达时，美股哪⽀⽔泥股的涨幅最⼤大？
  • 当三级飓⻛袭击费罗⾥达时，最大赢家是德州工业；
• 当朝鲜试验导弹时，哪⽀支国防股涨得最多？
  • 当朝鲜试验导弹时，雷神公司、美国通用动力公司、洛克希德马丁公司涨幅最大；
• 当苹果公司发布新 iPad时，哪家苹果的供应商股份上涨幅度最⼤大？
  • 当苹果公司发布新 iPad时，豪威科技（为iPad内置摄像头生产传感器）涨幅最大；

对于专业的对冲基⾦分析师来说，要顺利地找到相关资料及答案，需要好几天，而Kensho只需要2分钟。