Alibaba Bilgi Grafiği ilk kez ortaya çıktı: Bir akıl yürütme motoru oluşturmak için makine öğrenimini kullanın, böylece binlerce kara kalpli işletmenin kaçacak hiçbir yeri kalmaz
Leifeng.com'un yapay zeka teknolojisi yorumu: Alibaba Bilgi Grafiği her gün on milyonlarca müdahaleyi ve toplamda yüz milyonlarca akıllı denetim gerçekleştirir.İstenmeyen posta, ihlal, uyumluluk, sahteler ve iş kapsamı gibi birden çok senaryoda sorunlu satıcılarla tam bir yüze sahiptir. Yüzleşme, gerçek zamanlı oyun, fikri mülkiyet haklarının ve tüketici haklarının maksimum korunması.
Bilgi grafiği nedir?
İnternet çağında, arama motorları, insanların çevrimiçi bilgi ve bilgi edinmesi için önemli araçlardır. Kullanıcı bir sorgu terimi girdiğinde, arama motoru anahtar kelimeyle en alakalı olduğunu düşündüğü web sayfasını geri besleyecektir.
Mayıs 2012'ye kadar, arama motoru devi Google, arama sayfasında ilk kez "bilgi grafiğini" tanıttı: kullanıcılar yalnızca arama sayfalarına bağlantı almakla kalmayacak, aynı zamanda sorgu terimleriyle ilgili daha akıllı yanıtlar da görecek.
Dağınık web sayfalarından yapılandırılmış varlık bilgisine kadar, arama motorları, kullanıcılara daha düzenli bilgiler sağlamak için bilgi grafiklerini kullanabilir ve hatta daha derin, kapsamlı ve eksiksiz bir bilgi sistemini keşfetmek için bilgi grafiklerini izleyerek kullanıcıların beklemediklerini keşfetmelerine olanak tanır. Bilgi. Google'ın kıdemli başkan yardımcısı Dr. Emmet Singh, bilgi grafiğinin önemini şöyle açıkladı: "Dünyayı oluşturan varlıklar (nesneler), dizeler değil (dizeler değil)".
Alibaba Bilgi Grafiği
Ali'nin ana işi e-ticarettir. Bilgi grafiği, emtialar, standart ürünler, standart markalar, standart barkodlar ve standart sınıflandırmalara odaklanır.Kamu görüşü, ansiklopedi ve ulusal endüstri standartları gibi 9 ana kategoriyi entegre etmek ve ilişkilendirmek için varlık tanıma, varlık zinciri parmaklığı ve anlamsal analiz teknolojilerini kullanır. Ontoloji, devasa bir bilgi ağı oluşturan on milyarlarca üçlü içerir. Leifeng.com AI Technology, bu muazzam miktardaki verilerin Taobao, Tmall, 1688 ve AliExpress gibi birden fazla pazardan geldiğini, aynı zamanda markalar, endüstri operasyonları, yönetim operasyonları, tüketiciler, devlet kurumları, lojistik sağlayıcılar ve diğer rollerin de katıldığı yorumunu yaptı. , Böylesine büyük bir emtia kitaplığına katkıda bulunmak ve düzeltmek. Bu bilgi haritası, hem fikri mülkiyet haklarının korunması, tüketici alışveriş deneyiminin iyileştirilmesi, ürün verilerinin standardizasyonu (ürün özelliklerinin birleştirilmesi ve ürün bilgilerinin kesinliği) hem de dahili ve harici verilerle derin bağlantı için büyük önem taşımaktadır. . Örneğin, ürün standardizasyonu, hangi ürünlerin aynı ürün olduğunu bilmemizi sağlar, böylece bir markanın yetkili olup olmadığını ve marka altındaki ürünlerin hangi pazarlarda satıldığını tam olarak bilebiliriz.
Alibaba Bilgi Grafiğinin Uygulanması
Ali'nin ürün bilgi grafiği, arama, ön uç alışveriş rehberi, platform yönetişimi, akıllı soru-cevap ve marka operasyonu gibi temel ve yenilikçi işlerde yaygın olarak kullanılmaktadır. En belirgin uygulamalardan biri, Ali'nin e-ticaret platformunun yönetimi ve kontrolüne yansımıştır. Geçmişte, ürün sürümlerini gözden geçirmek için yalnızca manuel "devriye denetimleri" kullanılabiliyordu, ancak şimdi, büyük ürün sürümleri karşısında, "devriye denetimi" modeli açıkça gerçekçi değil. Ali Technology'nin resmi tanıtımına göre,
"Alibaba Bilgi Grafiği bir filtre gibidir. Kötü tüccarların ve sorunlu ürünlerin Ali ekosistemine girmesini önlemek için büyük veri ve yapay zeka kullanılabilir. Sorunlu işletmelerin gerçek zamanlı oynanışı, mutasyon ve kötü niyetli saldırılar gibi birçok zorlukla karşı karşıya kalan Alibaba Bilgi Grafiği koruyabilir Günde on milyonlarca müdahale ve 100 milyon akıllı denetimle, spam, ihlal, uyumluluk, sahtecilik ve iş kapsamı gibi çeşitli senaryolarda sorunlu satıcılarla yüz yüze görüşecek ve gerçek zamanlı oyunlar oynayacağız. "
Alibaba teknolojisinin tanıtımına göre, fikri mülkiyet haklarını ve tüketici haklarını maksimum düzeyde korumak için Alibaba Bilgi Grafiği ekibi, zeka, kendi kendine öğrenme, milisaniye tepkisi ve yorumlanabilirlik gibi bilgi grafiği muhakeme motoru teknolojisi için daha yüksek teknik gereksinimleri ortaya koyuyor.
Zhang Wei (Adı: Liantu), Alibaba Bilgi Grafiği Ekibi Başkanı
Çıkarım motorları oluşturmak için makine öğrenimi algoritmalarını tanıtın
Alibaba Bilgi Grafiği araştırma ekibinin bilgi temsilini ve muhakemesini gerçekleştirmek için bir çerçeve tasarladığı anlaşılmaktadır. Ek olarak: bilgi grafiği varlıkları, ilişkiler, kelime ormanları (eşanlamlılar, hiponimler), dikey bilgi grafikleri (coğrafi konum grafikleri, malzeme grafikleri gibi), makine öğrenimi algoritma modelleri, vb. Hepsi birleştirilmiş açıklama için dahil edilmiştir.
Farklı senaryolara göre akıl yürütme, üst-alt ve eşdeğer akıl yürütme; tutarsızlık muhakemesi; bilgi keşfi akıl yürütme; ontoloji kavramı muhakeme vb. Örneğin:
1. Üst ve alt ve eşdeğer akıl yürütme. Üst kategoriye erişilirken, alt kategoriler üst ve alt akıl yürütme yoluyla hatırlanır ve geri çağırmayı genişletmek için eşdeğer akıl yürütme (varlıkların eşanlamlıları, varyant kelimeler, aynı paragrafın modelleri vb.) Kullanılır. Örneğin, tüketicileri korumak için, "nükleer kontamine bir alandaki yiyecekleri" durdurmamız gerekir. Muhakeme motoru, "bu alan olarak" menşe yerini bul "anlamına gelir ve öznitelik öğesi" menşe yeri "ile eş anlamlıdır ve öznitelik değeri, bölgedeki ikincil varlığın yiyeceğidir. , Ve hit yemekle aynı tür yiyecek. "
2. Tutarsız akıl yürütme . Sorunlu satıcı ile oynama sürecinde, ürün başlığı, nitelikleri, resimleri, ürün niteliği ve satıcı niteliğinin markası, malzemesi ve bileşimi gibi temel bilgilerin tutarlılığını kontrol etmemiz gerekir. Örneğin, başlıktaki marka Nike ve öznitelik veya etiketteki marka Nake'dir. Aşağıdaki şekilde gösterildiği gibi, sol taraf etiket üzerindeki ürün başlığını, özniteliklerini ve marka bilgilerinin tutarlı olduğunu açıklar ve mantık tutarlıdır. Sağda tutarsız etiketlere sahip ürünler ve muhakeme motoru tarafından sorunlu ürünler olarak değerlendirilen ürün markaları var.
3. Bilgi keşfi muhakemesi. Tutarlılık muhakemesinin amacı bilginin kesinliğini sağlamaktır.Örneğin, tutarlı bir muhakeme yoluyla, verilerin kapsadığı gıda içeriği listesinin doğru olmasını sağlayabiliriz. Ancak tüketiciler, alışveriş yaparken içerik listesindeki karmaşık sayılara nadiren bakarlar. Tüketiciler, şekersiz ve tuzsuz gibi güçlü algılara sahip bilgi noktalarını gerçekten önemsiyorlar. Tüketici alışveriş deneyimini iyileştirmek için bilgi keşfi mantığı, temel içerik listesi verilerini ve aşağıdakiler gibi ulusal endüstri standartlarını kullanır:
-
Şekersiz: karbonhidratlar 0,5 g / 100 g (katı) veya 100 mL (sıvı)
-
Tuz yok: Sodyum 5mg / 100 g veya 100 mL
İçerik listesinin verileri, "şekersiz" ve "tuzsuz" gibi bilgi noktalarına dönüştürülebilir. Verileri gerçekten bilgiye dönüştürmek için. AB testi doğrulaması sayesinde, benzer bilgi noktaları, ön uç alışveriş kılavuzundaki tüketici alışveriş deneyimini büyük ölçüde geliştirdi.
Çıkarım motorunun arkasındaki teknik çerçeve
İlk olarak, akıl yürütme motoru, anlamsal ayrıştırma yoluyla doğal dili mantıksal forma dönüştürür. Anlamsal analiz, sinir ağı ve sembolik mantık yürütmenin bir kombinasyonunu benimser: doğal dil, sözdizimi, gramer analizi, NER ve Varlık Bağlama yoluyla dağıtılmış bir temsil olarak kodlanır ve cümlelerin dağıtılmış temsili, mantıksal ifadelere daha da çevrilir. formül.
Dağıtık gösterimleri mantıksal ifadelere dönüştürme sürecinde, ilk olarak temsiller ve yüklem işlemleri arasında eşleştirme sorunuyla karşı karşıyayız. Tahminleri eylemler olarak ele alıyoruz ve eğitim yoluyla sembolik işlemleri yürütüyoruz. Nöral programcılara benzer şekilde, dikkat mekanizmasını, uygun operasyonu seçmek, yani en olası yüklem operasyonunu seçmek ve son olarak, tahmin işlemini analiz edilen sözdizimine dayalı olası mantıksal ifadelerle birleştirmek için kullanıyoruz. Mantıksal ifadeleri sorgulara vb. Dönüştürün. İşlem aşağıdaki şekilde gösterilmektedir.
İkinci olarak, mantıksal ifadeler sonraki mantıksal muhakemeyi ve grafik muhakemeyi tetikleyecektir. Mantıksal ifadeler, tasarım sürecinde aşağıdaki ilkeleri izler: Mantıksal ifadeler insanın doğal diline yakındır ve makineler ve insanlar tarafından anlaşılması kolaydır. İfade yeteneği, bilgi grafiği verilerinin ve bilgi temsilinin gereksinimlerini karşılar. Genişletmesi kolay olmalı ve yeni sınıflar, varlıklar ve ilişkiler eklemek çok uygun olabilir.Datalog, OWL vb. Gibi birden çok mantık dilini ve sistemini destekleyebilir, yani bu diller ve arkasındaki algoritma modülleri takılabilirdir. Çıkarım motoru, farklı mantık sistemlerini tanımlama yeteneğine sahiptir.
Yukarıdaki aşağı ve eşdeğer mantığı örnek olarak alın: "Çin'de üretilen gıda"
Mantıksal bir ifade ile şöyle tanımlanır:
x: yiyecek (x) ( y: eşanlamlı (y, menşe yeri)) (x, ( z: alt öğeler dahil (Çin, z)))
Sonra aynı paragrafı bulun:
t, x: ($ c: (x, c) ürününe ait (t, c) ürününe ait)
Ek olarak, muhakeme motoru, bilgi tabanının otomatik olarak tamamlanması için de kullanılır. Bilgi tabanını tamamlamak için yerleştirmeye dayanır. Ana fikir, Trans serisinin özelliklerini hesaba katarak ve ayrıca varlığın metin açıklamasını (ayrıntılar gibi), yeni ilişkilerin öngörülmesine yönelik diğer özellikleri de dahil ederek bilgi tabanındaki yapısal bilgileri eklemektir. Ve tamamlama.
Leifeng.com'un Yapay Zeka Teknolojisi İncelemesinin Özeti: Yukarıdakiler, Ali Bilgi Grafiği ekibi ve iş tanıtımı hakkındadır. Bu ekip üç yıldır kurulmuş ve devasa bir bilgi grafiği ve devasa standart veriler oluşturmuştur.Aynı zamanda Zhejiang Üniversitesi'nden Profesör Chen Huajun'un ekibi ile en yeni doğal dil işleme, bilgi temsili ve mantıksal akıl yürütme teknolojilerini tanıtmak için ortak bir proje ekibi kurmuştur. NLP, semantik akıl yürütme ve derin öğrenme teknolojileri sayesinde Alibaba Bilgi Grafiği ekibi, daha güçlü bir teknik sistemle tüketicilerin haklarını ve çıkarlarını koruyacak.
