百度小度的原理

前几天在电视上看到百度小度参加综艺节目，它进行了一些与人的互动，感觉比较有趣。正好也在做这方面的系统，就对百度小度的实现原理进行一些猜测。由于目前主要做语义方面的工作，所以只对语义方面的实现进行猜测，对于语音识别不进行分析。

百度小度在节目上做的主要是两类事情，第一类是知识问答，例如诗词的上句，找到下一句；第二类是根据语音指令进行操作，例如计时、转向。第一类问题的解答需要使用较多的语义技术，这里将进行重点分析。而对于第二类问题，由于小度所做的事情相对较少，可能不一定使用了语义技术，这里就不进行分析，但这类问题也是可以使用语义技术处理的。

我们从小度回答的诗词类问题入手来进行分析。这里会结合百度公开的一些资料。百度小度回答的诗词问题，比较典型的有作者、下一句这两种。百度如何把知识进行组织和使用知识进行语义推理解答的过程。

在去年的第一届中文知识图谱会议上，百度的赵博士讲述的PPT中提到一个概念，称为AVP，当时我刚做了一年自然语言处理的相关工作，正在考虑如何将知识的组织规范化，看到这个概念（虽然PPT中将的很晦涩）正好与我总结的三角形的知识结构不谋而合，因此在后面的工作中也将AVP结构作为了知识的一种基本结构来用。如果不是恶劣的 工作环境，我会以另外一种名字来命名它巴。那么什么是AVP结构，这里举一个例子，相信大家都能明白。

在这个图中，红色的点代表P（Product），绿色的点代表A（Attribute），蓝色的点代表V（Value），紫色的点比较特别，它处于两组AVP结构中，在“静夜思—诗句—床前明月光”中，它的角色是V；而在“床前明月光—下一句—疑是地上霜”中，它的角色是P。从百度公开的PPT中，我觉得百度应该是采用这样的结构作为它组织知识结构（或者成为知识图谱）的一种基本结构，这种结构在回答知识问答型问题时，具有很好的适应性。

我们现在看一下如何回答作者的问题，这是最简单和直接的一类问题。如果问题是“静夜思的作者是谁”，这个问题可以直接从知识图谱中定位“静夜思”和“作者”，而后根据AVP结构给出对应的V是“李白”，得到了答案。

再看第二个问题，“窗前明月光的下一句是什么？”这句话中，可以识别出“窗前明月光”和“下一句”两个概念节点，而后根据AVP结构给出对应的V是“疑是地上霜”。但是在直播节目中，小度没有直接给出答案，它的回答过程相对比较复杂，究其原因，很可能是没有建立“下一句”这样的A节点，所以小度采用了另外一种图搜索策略，既发现从这个V节点出发，根据V-P关系，找到对应的P（静夜思），而后从该P节点出发，列举所有V节点的内容（以及对应的A节点），所以我们看到，百度小度会先说作者是谁，以及其他一些关联V节点的内容，包括顺序说出诗句，然后说出了下一句。

从这些分析，我们可以看出，AVP结构是百度知识图谱系统的基本结构，百度结合强大的抓取技术和人力，将各类知识组织到AVP结构的海量规模知识图谱中，完成知识图谱的构建和不断更新。

当然，这知识其中最简单的一部分，如何从不差别、不规范的文本中识别出一个个实体，这才是这个技术的关键。