深蘭科技在新冠百科知識圖譜類型推斷等三個任務中奪得第一

11月12～15日，國內(nèi)知識圖譜和語義計算等領域的核心學術會議CCKS2020，在江西南昌成功舉行，深蘭科技DeepBlueAI團隊首次參加即斬獲三冠一亞，成為本屆會議唯一獲得多個冠軍的隊伍。團隊分別在“新冠百科知識圖譜類型推斷”、“面向金融領域的篇章級事件主體抽取”、“基于標題的大規(guī)模商品實體檢索”這三個（子）任務中奪得第一，在“面向中文短文本的實體鏈指”任務中僅以0．00002分之差屈居第二。此外，本屆組委會還特別評選出每一任務至多一項的“創(chuàng)新技術獎”，專門用于鼓勵創(chuàng)新性技術的使用，深蘭科技在“基于標題的大規(guī)模商品實體檢索”的任務中再次脫穎而出。

第十四屆全國知識圖譜與語義計算大會（CCKS：China Conference on Knowledge Graph and Semantic Computing）由中國中文信息學會語言與知識計算專業(yè)委員會主辦，主題是“知識圖譜與認知智能”，共設立8個相關主題的技術評測任務，旨在為研究人員提供測試知識圖譜與語義計算技術、算法及系統(tǒng)的平臺和資源，促進國內(nèi)知識圖譜領域的技術發(fā)展，此次吸引了包括華為、百度、騰訊、小米、北京大學、上海交通大學、浙江大學等知名企業(yè)和學府的團隊同臺競技。

隨著互聯(lián)網(wǎng)技術的飛速發(fā)展，人們逐漸從信息時代進入智能時代。知識圖譜作為承載底層海量知識并支持上層智能應用的重要載體，在智能時代中扮演了極其重要的角色。尤其多模態(tài)知識圖譜的構(gòu)建，能夠讓基于知識圖譜的智能服務更好地理解真實世界的數(shù)據(jù)場景，進而更好地支撐各項上游任務和行業(yè)應用，如推薦系統(tǒng)、語義搜索、智能問答等。深蘭科技奪冠的三個任務方案，分別可在電商、金融、輿情監(jiān)控等領域的應用上發(fā)揮重要作用。

“新冠百科知識圖譜類型推斷”任務，要求從實體百科（包括百度百科、互動百科、維基百科、醫(yī)學百科）頁面出發(fā)，從給定的數(shù)據(jù)中推斷相關實體的類型。然而，大量類型信息以非結(jié)構(gòu)化文本形式呈現(xiàn)于網(wǎng)絡頁面中，文本處理難度大，抽取結(jié)果同時保證高準確度和覆蓋率仍然是個極大的挑戰(zhàn)。針對數(shù)據(jù)集的特點，DeepBlueAI團隊構(gòu)建了數(shù)個基于BERT模型的文本分類器，并引入了多個外部數(shù)據(jù)集，最后將這些分類器進行融合得到最終判斷結(jié)果。實體類型是知識圖譜的重要組成，正確的實體類型是構(gòu)建一個高質(zhì)量知識圖譜的前提。

“事件”在金融領域是投資分析、資產(chǎn)管理的重要決策參考，也是知識圖譜的重要組成部分，而“事件抽取”是進行圖譜推理、事件分析的必要過程。在金融領域，“事件抽取”是一項十分重要的任務，也是自然語言處理領域一項比較復雜的任務，它的挑戰(zhàn)相當部分體現(xiàn)在文本復雜上：輸入的文本可能是句子、段落或者篇章，不定長度的文本使得限制文本長度的模型無法使用?！懊嫦蚪鹑陬I域的篇章級事件主體抽取”任務中，團隊使用了多標簽事件分類加實體識別Pipeline模型，在標準的多標簽分類模型中加入了特征提取模塊，實體識別模型采用BERT－LSTM－CRF與閱讀理解投票融合的方式，最終以較大優(yōu)勢獲得第一。

“基于標題的大規(guī)模商品實體檢索”是典型的語義識別類任務，在網(wǎng)購已經(jīng)成為一種生活方式的前提下，具有非常實用的價值。商品標題一般較短，上下文語境不豐富；用戶搜索時，文本口語化嚴重；商品標題中存在很多變異指代，沒有給定的指代映射表；這都需要對上下文語境進行精準理解，具有很大的挑戰(zhàn)。團隊針對商品檢索任務采用召回－粗排－精排的總體方案，在召回階段放棄了bm25、dssm等主流召回技術，創(chuàng)新性地使用Triplet BERT模型進行召回，在排序階段采用基于BERT的二分類排序方式，檢索準確率達到0．88489。最終不但排名第一，還收獲了創(chuàng)新技術獎。

從包括CCKS2020在內(nèi)的國內(nèi)外頂會的賽題任務設置中不難發(fā)現(xiàn)，其共同點在于更注重了落地應用性。隨著社會的發(fā)展，人工智能已逐漸滲透到各個行業(yè)并轉(zhuǎn)化為實際應用，而深蘭科技早在成立之初就提出了“基礎研究與落地應用”齊頭并進的理念，并取得了有目共睹的成效。會議競賽的成績是對過往的檢驗，更是對今后不斷進取的鞭策，“人工智能服務民生”將是深蘭科技矢志不渝的目標。

責任編輯：xj