知识图谱的应用---新零售
文章目录
- 新零售
- 知识图谱构建过程
- 典型应用
新零售
新零售，即个人、企业以互联网为依托，通过运用大数据、人工智能等先进技术手段并运用心理学知识，对商品的生产、流通与销售过程进行升级改造，进而重塑业态结构与生态圈，并对线上服务、线下体验以及现代物流进行深度融合的零售新模式 以阿里巴巴为例，立足于当下的电商场景从认知用户的需求出发，充分利用知识图谱技术，构建起了一个全新的电商知识图谱：新零售电商认知图谱。目前电商认知图谱是一个以用户需求为中心，连接商品、用户、购物需求，以及各类开放领域知识、常识的大规模语义网络。不仅包含了以商品为中心的知识图谱（Product Graph），还包含了以用户需求的显式节点概念为中心的知识图谱（Concept Net）。形成了以概念、商品、标准产品、标准品牌等为核心，利用实体识别、实体链指和语义分析技术，整合关联了例如舆情、百科、国家行业标准等9大类一级本体，包含了百亿级别的三元组，以人货场为核心形成了巨大的知识网。
知识图谱构建过程
电商平台最大的挑战是从日益增长的海量商品（数十亿）中挑选出的一个小的子集（几十或上百）展示给用户，以满足用户个性化的购物需求。近年来电商搜索、推荐算法已经取得了长足的进步，但这些算法依然存在一些问题而为人诟病，例如在商品搜索中“不智能”的体验时有发生。而在商品推荐中，重复推荐、缺少新意等也是经常被用户所诟病的。为了打破这个隔阂，让电商搜索、推荐算法更好地认知用户需求，阿里电商知识图谱将用户需求显式地表达成图中的节点，概览如下图所示。
在该电商认知图谱中，目前一共定义了19种关系类型，并用三元组表示所有节点之间的关系。这些关系包括“is_related_to（相关）”、“isA（是一种）”、“has_instance（有实例）”、“is_part_of（是一部分）”等。其中对电商场景业务直接用途最大的关系是电商概念到商品之间的关联关系：例如一个购物场景“儿童防走失”所对应的商品到底是哪些；以及电商品类之间的上下位关系：例如“舞蹈裙”是一种“表演服”。
典型应用
电商认知图谱在原有的电商知识体系的基础上融入了大量概念和知识，为商品搜索引擎的智能化升级带来了新的动力。以“国产冰箱”关键词搜索为例，传统搜索引擎中可能因为没有“国产”这个概念而无法得到全面的结果，而在知识图谱体系中“国产”可作为一个品牌类概念的一个属性，每一个冰箱的品牌都将能查询到这一属性，从而解决该问题。其他的应用包括：1）在搜索结果页中插入和搜索词相关的主题形式的卡片，猜测真正的用户需求，这里的主题即为认知图谱的电商概念。2）进行搜索词关联提示，例如，当用户搜索了烧烤架和木炭之后，因为烧烤架和木炭都是户外烧烤场景下所需要的商品，可提示“户外烧烤”，如下图所示。
认知图谱在电商推荐也得到了广泛应用。下图是在手机淘宝app中首页“猜你喜欢”中的主题卡片推荐。主题推荐区别于商品推荐，将认知图谱中的电商概念包装成一个主题卡片的形式，穿插在商品信息流推荐页面中呈现给用户，例如“烘焙大全”，当用户点开这个主题，就会进入另一个页面，包含了烘焙所需的各类商品。如果推荐准确，将大大提升用户体验，仿佛淘宝是一个导购员，猜中了客户的需求，并提供一系列不同商品以供选择，会让用户觉得很舒心。另一个重要的应用是推荐理由，认知图谱的电商概念是用户需求的表达，又是两三个词组成的短语，本身就是一种简洁有力的推荐理由，在商品推荐中加入电商概念作为推荐理由，可以帮助提升用户体验，让用户更好地接受推荐的商品。
