面向中国移动客户服务分析的认知图谱系统研究 .pdfVIP

面向中国移动客户服务分析的认知图谱系统研究--第1页

年1月

168专题综述

面向中国移动客户服务分析的认知

图谱系统研究

赵东明1袁徐晨兴2

（中国移动通信集团天津有限公司，天津；亚信科技控股有限公司，北京）

1.3000202.584625

【摘要】

为了更精准地匹配客户场景袁让传统的知识图谱模型更好地认知用户需求袁中国移动在传统大数据分析基础上加入

语义理解能力袁打造一种新的运营商服务分析知识图谱袁构建一个以用户需求节点为中心的概念图谱袁链接用户文本语义尧大数

据标签尧运营策略尧客户和原因概念袁可以提升传统知识图谱的认知推理能力袁进一步链接多模态数据提高推荐准确率袁并且提

供可解释能力袁已在资费尧家宽尧无线领域的满意度预测场景落地袁取得优异的效果遥

【关键词】

认知概念网络曰知识图谱曰语义理解曰客户服务分析

【中图分类号】【文献标识码】【文章编号】（）

TP391.1A1006-4222202101-0168-03

0引言

建，业务数据本身具备将客户链接的能力，再通过常识类概念

“计算—感知—认知”的人工智能技术发展路径，已经成中的语义信息与业务类数据映射，从而实现推理过程从业务

[1]数据到常识概念的认知，对业务指标的变化（如不满意、降档

为大多人工智能研究和应用专家的共识。面对“客户需求多

元化、客户体验个性化、行业特征高度适配化”的数字化运营降费）给予语义层面的预测及解析。

1.1技术框架

阶段，目前的中国移动知识图谱依然还称不上“智能”，在业务

推理、运营分析、服务测评、大数据挖掘等场景中，预测结果缺中国移动认知图谱系统的技术架构，共分为数据层、图谱

构建层、图谱存储层、图谱计算层、应用层，如图所示。

乏可读性、解释能力弱、运营效果不佳导致效率降低等问题也1

[2]

经常被人诟病，这是因为当前的知识图谱系统更多的是从用

户历史大数据标签、感知数据、画像数据出发，通过机器学习

算法进行回归、分类，而不是真正从场景和用户需求出发。

在中国移动当前各个业务系统中，各类分析场景如产品

推荐、用户维系、宏观数据分析等都极度依赖于人工，或采用

机器学习、深度学习等模型进行黑盒分析，不透明也不可解

释，但是在实际运营场景中，如果不能回答“为什么”问题，并

解释这些系统如何产生特定的结果，就无法为后续业务操作

提供有效帮助，限制各类AI能力的价值体现。中国移动大数

据标签库共有6000多个标签，彼此有从属、衍生关系，其中有

海量的关系语义待挖掘，巨大的数据价值没有得到体现，有必

要建立认知图谱网络，在存量运营、客服服务、运营分析等领

[3]图1认知图谱系统技术架构

域体现价值。

1认知图谱系统架构1.1.1数据层

认知图谱中的知识来源于结构化、半结构化和非结构化

认知图谱作为认知智能的重要