知识图谱（10）-基于知识的问答与对话

date

Sep 27, 2022

slug

KG-Question-and-Dialogue

status

Published

基于知识的问答与对话系统核心挑战与演进路径

参考：知识图谱发展报告（2022）下载链接 (访问密码: 2096)

从苹果的Siri到微软的小冰，再到各类智能音箱，智能问答与对话系统已深度融入我们的生活。然而，相较于简单的信息检索，要实现真正“听得懂、答得准、有思想”的智能交互，我们仍面临巨大挑战。本文将深入剖析基于知识图谱的问答与对话系统背后的核心技术，梳理其关键科学问题、主流技术路线以及未来的发展趋势。

一、智能交互的基石：三大核心科学问题

问答与对话系统本质上是连接人类自然语言与机器结构化知识的桥梁。尽管IBM Watson等系统在特定场景取得了成功，但要实现更深层次的语义理解和举一反三的智能，必须攻克以下三个核心科学问题。

问句语义解析：如何让机器理解人的问题？ 这是首要挑战。当用户提出“路遥写的哪本书获得了矛盾文学奖？”时，系统需要将这句自然语言精准地转换为知识图谱可以执行的形式化查询语句，如 “λx. 作者(x, 路遥), 获奖(x, 矛盾文学奖)”。这个过程不仅涉及词法和句法分析，更需要实体链接（将“路遥”链接到知识图谱中的对应实体）和关系预测等复杂技术。传统方法依赖人工模板，难以应对开放域和多变的提问方式。近年来，基于Seq2Seq、Transformer等深度学习模型的端到端语义解析成为主流，但它们依然面临着如何理解形式语言的层次化结构、如何处理不同知识图谱下的语义歧义以及如何实现领域泛化等难题。

大规模知识推理：如何补全知识的缺失环节？ 任何知识图谱都存在不完备性。例如，图谱中可能只记录了某人的“工作所在地”，却没有记录“出生地”。但常识告诉我们，一个人的“父母所在地”很可能就是其“出生地”。这种隐含知识对回答“某某出生在哪里？”至关重要。传统的符号逻辑推理虽然精确，但在大规模知识图谱上计算效率低下且难以处理语义鸿沟。因此，以知识图谱表示学习为核心的数值计算推理模式应运而生。它将实体和关系映射到低维向量空间，通过数值计算来预测缺失的链接。然而，如何在保证推理效率的同时提升精度，并有效融合语言文本与知识图谱的优势，是当前研究的重点。

融合知识图谱的文本生成：如何生成自然流畅的答案？ 用户期待的不是冷冰冰的数据，而是自然、流畅且信息丰富的回答。对于问题“洛国富是哪儿人？”，一个优质的回答是“洛国富出生于巴西，他现在是中国人”，而不是简单地返回“巴西”和“中国”。这要求系统不仅能从知识图谱中检索到“出生地”和“国籍”等关键信息，还能将这些碎片化的知识组织成符合语法和逻辑的自然语言文本。如何有效融合知识图谱的结构化事实，兼顾答复内容的丰富性和语言表达的多样性，是实现更友好交互体验的关键。

二、技术路径的演进：从解析、检索到端到端

围绕上述科学问题，业界和学术界探索了多种技术路线，并在不断演进。

基于语义解析的问答方法：这是最经典的方法，核心是将自然语言问句（NLQ）严格翻译成形式化查询语言（如SPARQL）。早期依赖组合范畴语法（CCG）等，近年来则转向基于深度学习的端到端生成模型。为了降低直接生成复杂查询语句的难度，研究者们引入了语义查询图、模板等中间表示，或通过持续学习来适应新领域。

基于检索排序的问答方法：此方法将问答视为一个语义匹配问题。它通过表示学习，将问题和知识图谱中的候选答案（实体、关系）都转换为向量，然后计算相似度进行排序。这种方法回避了复杂的语义解析，训练简单，泛化性强。其核心在于如何构建高质量的问题和答案表示，以及如何设计高效的排序打分网络。近年来，研究方向已从简单打分网络演进到图神经网络等更复杂的结构，以捕捉更深层次的语义关联。

任务型对话方法：专注于完成订票、导航等特定任务。其核心是对话状态跟踪（Dialogue State Tracking, DST），即准确识别用户意图和抽取关键信息（槽值）。技术路径已从传统的流水线式（意图识别->槽位填充->策略选择->回复生成）向端到端的神经网络模型演进。随着预训练语言模型的兴起，如何利用GPT-2等模型统一处理多个对话子任务，以及如何通过提示学习（Prompt Learning）实现少样本场景下的对话状态跟踪，成为新的研究热点。

生成式对话方法：旨在进行开放域的、流畅的对话。基于编码器-解码器框架（如Transformer）的生成模型是当前主流。为了解决其容易生成通用、无信息量回复（如“我不知道”）的问题，研究者们致力于将外部知识（如常识知识库、维基百科）融入生成过程。通过引入注意力机制、拷贝机制或在预训练阶段注入知识，模型可以在生成回复时参考事实信息，从而显著提升对话的知识性和质量。

三、未来展望：迈向更复杂、鲁棒和多模态的智能交互

当前，问答与对话技术正朝着处理更复杂、更真实场景的方向发展。

应对更复杂的问答类型：从简单的单事实问答，向需要多步推理（多跳问答）、时间/数值计算的复杂问题演进是必然趋势。

融合多元化的知识来源：真正的智能需要整合来自文本、知识图谱、表格甚至图像的多元信息，实现跨来源的联合推理和问答。

结合符号与数值计算：结合符号推理的逻辑严谨性与深度学习的泛化能力，构建混合式模型，是实现更强泛化能力和可解释性的重要方向。

提升模型的鲁棒性与可解释性：深度学习模型的“黑箱”特性和在对抗攻击下的脆弱性是其走向关键应用的主要障碍。开发更具可解释性、更鲁棒的模型迫在眉睫。

迈向跨模态的知识服务：用户的需求是多模态的，未来的知识服务必须能够理解和回答关于图像、声音等非文本内容的问题，视觉问答（VQA）等领域将成为新的增长点。

总结与启示

问答与对话技术的发展历程，是从知识驱动（专家系统）到数据驱动（检索式问答），再到如今知识与数据联合驱动的演进过程。其核心始终是弥合人类语言的灵活性与机器知识的结构化之间的鸿沟。

核心启示:

知识图谱是基石：要实现从“信息检索”到“知识服务”的跃迁，知识图谱提供的结构化语义和推理能力不可或缺，它是系统实现深度理解的根基。

混合驱动是未来：单纯依赖符号逻辑或纯粹的数据驱动都存在局限。未来最具潜力的技术路径，在于如何巧妙地将符号推理的严谨性与神经网络的强大拟合能力相结合，并有效处理来自文本、表格、图像等多源异构的知识。