小米知识图谱探索与应用 .pdf

小米知识图谱探索与应用

小米知识图谱于2017年创立，已支持公司了每天亿级的访问，已赋能小爱

同学，小米有品、智能问答、用户画像、虚拟助手、智能客服等互联网产品。通

过引入知识图谱，这些产品在内容理解、用户理解、实体推荐等方面都有了显著

的效果提升。

1.小米知识图谱介绍

小米在商业模式上提出硬件+新零售+互联网铁人三项的商业模式。这种商

业模式下有像手机、小米音箱类的智能硬件；有米商城，有品电商这样的新零

售；还有像人工智能这样的互联网服务。三者相扶相持，相互促进，是一种闭环

的生态模式，在这种生态模式下，有很多潜在的应用场景，对人工智能，对内容

和知识有很多诉求。

小米人工智能部已经构建了完整的中台体系，囊括了视觉、NLP、知识图

谱、语音、深度学习等底层的基础能力，其中知识图谱就处于这一层。

中间层是问答服务、智能客服等应用能力层，上层是小爱同学、商城等互联

网业务和传统业务层，这些都是知识图谱的落地场景，其中小爱同学是小米公司

推出的虚拟人工的智能助理，小爱同学适用于手机、音响、电视、手表以及手环

等穿戴设备，通过搭载小爱同学的智能硬件，可以满足用户获取知识和信息的需

求。

2017年小米知识图谱有了一些开放知识的积累，2018年知识图谱团队成

立，2018年底，通用知识图谱的构建，百科类图谱构建完成，2019年中，业务

拓展，线上调用达到近亿次，2019年底，知识扩增，知识积累了超三百亿，

2020年行业探索，行业图谱落地。虽然发展的比较晚，但是在自己的业务场景

下，发展还算迅速。

小米知识图谱在公司的职责，主要是研究开放领域和行业领域的构建和应用

技术，并把图谱推广到相关业务场景上，来提高用户的满意度的和业务变现转化

能力。团队已构建超三百亿开放知识和涉及13个领域。除此之外，小米还参与

了一些开放知识图谱的构建，是OpenKG之OpenBase子项目组主要成员单

位，是IEEE知识图谱国家标准编制组主要成员。

小米知识图谱已经已经赋能公司10+个业务场景，这些落地场景包括智能问

答、智能客服、小爱同学、虚拟助手、全局搜索、NLP等这样通用的知识领域。

还有像游戏中心、广告，小米有品，小米网等这样的行业知识。

2.应用场景

2.1智能问答

小米知识图谱在智能问答场景的应用落地的设备较多，已服务于手机、音

响、智能穿戴、智能车载、电视、儿童设备。应用于小爱音响、小爱同学、小寻

手表、车载设备等，满足用户近亿次/天的请求。

智能问答包括两种模式：一种是一般问答模式，还有一种是规则推理的。一

般问答场景下，在返回具体答案的同时，还会把关联实体的附加信息满足给用

户，比如用户询问巩俐的籍贯的时候，返回答案不只是会返回山东济南，还会把

问答实体巩俐的视频，人物关系，资讯新闻，代表作品等都呈现给用户，这样在

用户兴趣激发上起到了很大作用。另外一个古诗词CASE，也能很好的体现这一

点，比如用户问静夜思的作者是谁，用户除了想得到这首诗的作者外，可能还想

温故这首诗，也可能想要了解这首诗的释义。所以我们会把有声资源、释义一并

满足给用户。问答在歧义场景下还支持列表形式展现。

小米还支持推理的问答。比如：多条件推理，多跳关系推理，还支持像求最

大值，最小值这种基础推理算子。多条件推理的例子如：山东籍的双子座是谁，

首先会对数据库中人物实体的生日推理出星座是双子座，然后推出省份，最后筛

选聚合产出实体结果，第二种是多跳关系推理，比较典型的就是人物与人物的

六度关系推理，如：徐志摩与梁思成的儿子梁从诫是什么关系？我们会试图计算

起始实体到目标实体的关系的最短可达路径呈现给用户。现有的推理逻方法，比

如说基于规则的推理、基于模型的推理，规则推理主要包含规则引擎和一阶的逻

辑规则。模型推理是用机器学习去表示学习关系推理。所以这里根据自己的需

求、应用场景和应用情况去选择。

基于图谱的智能问答，通用流程如下：语音识别环节，意图识别，实体匹配，

实体查询返回结果。

举个例子，如武汉大学周边什么好吃的，首先做分词或者词法分析，分出武

汉大学和好吃的这些关键mention，然后意图识别计算得到是美食需求的，第三

步是实体识别，把mention武汉大学映射到知识图谱中的实体上，把属性好吃映

射成推荐食物，最后实体查询计算，返回热干面，武昌鱼，豆皮，油焖大虾。