| 蚂蚁商家图谱的构建 、融合应用及开放 贾强槐 蚂蚁集团-内容理解与应用算法团队负责人 目录 CONTENT 01 概览 03 图谱开放 02 04 图谱构建&融合 总结 | | 01 商家图谱概览 蚂蚁商家图谱-背景介绍 经营点位理解 化 字 线下运营数 行 业 竞 对 基 础 信 息 客 群 画 像 商家 门 店 位 置 业 务 经 营 商家理解 线下门店 供 与转化 推 商家供给优质服务 供 给 服 务 到店服务 服务找人 支付宝APP 用户 服务&小程序 服务提升商家生意 内容理解 涨 人找服务 搜 认知à刻画à赋能 支撑商家生意增长与优质服务供给的闭环 用户理解 认知à刻画à服务 支撑为全生命周期的消费者提供最优质服务 目标：为蚂蚁建设丰富、精准、高效、一体化的商家知识图谱 Ø 掌握商家 – 做什么(基本类别)， 在哪里(POI/AOI)，什么时间(服务时间段)， 有什么特色(标签，品牌），具体服务（小程序，子服务） Ø 了解商家场景、类别之间的联系，并在给定特定的场景、时空条件下找到 关联的商家和服务(图谱服务） | 蚂蚁商家图谱-体系建设 核心能力体系(落地视角) 核心能力体系(算法视角) 知识推理 知识匹配 知识融合 知识表示 知识存储/子图查询 知识抽取/结构化/对齐 业务应用 图谱推理 图谱构建 个性化推荐 商家增长 企业风控 神经符号推理 事理逻辑推理 归因/因果推断 知识表示 规则挖掘 可解释性 NL2SQL 实体分类 实体识别 关系抽取 NLP平台 图谱底座 智能客服 知识感知推理 NLP算法研发/训练 预训练 知识定义 认知搜索 实体对齐 概念挖掘 发现 图谱平台 模型服务 知识/事件抽取 … Schema构建及演化 图谱存储/更新/查询 图谱SDK 规则引擎 模型服务 知识抓取 基础依赖 属性抽取 归一 图计算引擎 (图存储等) 认知计算 (标注平台等) | … | 02 商家图谱构建 &融合应用 图谱构建 知识加工 图谱融合 跨图谱融合 图谱认知 知识表示 图谱构建 图谱构建 | 图谱构建-整体框架 ① 数据源 ④ ③ 知识加工 知识存储 ⑤ 知识运营 知识链指 √ 知识获取 标注平台 ⑥ 持续学习 ② 知识建模 | 图谱构建 知识获取-大规模多标签分类模型 算法 ③ 效果 在文本分类的基础上，结合图像特 征，同时引入了label语义信息，设 计了一种融合语义知识的多模态多分 类模型。模型考虑了： ① ü ü ② ü 名称：人人租 描述：全品类一站 式免押租赁平台 点击文本：苹果旗 舰、精品手机等 输 入 图片 文本 多模向量表征：通过Transformer Encode，获得图文融合的特征表示 语义信息加强的多分类：引入label语 义图表示学习的Embedding Loss优化：采用更关注正例样本和拒绝 错误标记样本的ASL 租赁-租3C数码-租手机 租赁-租3C数码 意图识别模型 。。。 购物-购买商品-3C数码 模型效果 ü 在义原预测（大规模多标签分类）任 务上，准确率提升5pt | 图谱构建 知识获取-通用文本抽取模型 算法 效果 B-Brand I-Brand GRU GRU GRU O O O O O GRU GRU GRU GRU GRU 在实体识别的基础上，引入了词 典先验信息，设计了一种词典融 合抽取模型。模型考虑了： ü Graph Layer 优倍 优倍 CLS 优 ü 7天 倍 鲜 奶 7 天 SEP ∑ ü 7天 ∑ [CLS] 优 倍 鲜 奶 7 天 [SEP] * 词和字建立连边 * 引入多路径图建模句子结构 通过BiGRU融合图的输出和BERT 输出 模型效果 ü BERT 通过attentive pooling方式得到词 节点初始表征 采用图神经网络建模词、字关系： ü 在MSRA数据集上比原始BERT F1提升1pt； 在CLUNER数据集上F1提升 0.9pt； | 图谱构建 知识链指-实体链接 定义 门店链接 给定一段自由文本，首先从中识别 出商户、门店、品牌、商品等所有 的实体指称，然后再把他们链接到 知识图谱，完成实体的对齐归一。 流程 Mention识别 模板匹配 输入 实体识别 候选实体生成 候选实体排序 别名词表 LTR Ha3 文本匹配 向量召回 图匹配 LBS召回 NILL判断 | 图谱融合 图谱融合 | 图谱融合 图谱融合-跨图谱知识复用 不同实体类型但相同实例融合 prj 1 relationBA{relateTo, contains, ….} prj 2 sameAs prj 3 示意：领域图谱B 融合/复用 领域图谱A 不同实体类型不同实例的关系连通 • 跨业务的知识复用：基于图谱本体模型（面向对象），实现跨业务的知识连接、复用 • 减少无效数据拷贝：减少无效的数据拷贝，连接即可应用，标准化知识服务链路 • 业务快速价值落地：减少业务找数据的成本，通过知识复用带来更大业务价值，降本提效 | 图谱融合 图谱融合-跨图谱融合能力模型 | 图谱认知 图谱认知 | 图谱构建 知识表示-案例 业务场景 图谱概览 效果 结论： ü *商家图谱子图 学习过程 任务： • • 消费券召回 位置：支付宝端大促会场消费券 ü 向量召回模型引入 user&item节点图表 征后，相比于没有 graph emb效果更 优 delta版本召回的结 果历史热度更低，对 item分布更广、覆 盖更多，一定程度缓 解了头部效应 对应的KG优势： 流量结构头部效应严重 长尾item学习更充分 用户核销领取行为稀疏 冷启用户&券多，缺少 融合点属性和边学习 对应足迹数据 行为图用于扩召回 业务痛点： • • • | | 03 商家图谱开放 开放知识 开放SDK 开放知识 开放知识 | 开放知识 首批发布数据 意图 3000+ 品牌 10w+ 商家类目 1000+ 标签 7w+ 标签 意图 品牌 商家类目 | 开放知识 首批开放任务 小程序多意图分类 通用概念上下位预测 实体识别与分类 任务1定义：支付宝小程 任务2定义：本任务将根 任务3定义：实体识别与 数据集：1w 数据集：20w 数据集：2w 序会提供丰富的功能，本 任务将基于页面的图文信 息，将其分类至事先划定 好的意图集合里面。 据当前的图谱信息，进行 实体或者概念潜在的上下 位发现，形成网状的知识 概念体系。 分类主要涉及如何从文本 中提取指定类型的命名实 体。本任务当前目标是从 自由文本中识别出品牌。 官方网站：https://akg.alipay.com/xxx |