知識(shí)圖譜是NLP的未來(lái)嗎？

2021年了，不少當(dāng)年如日中天技術(shù)到今天早已無(wú)人問(wèn)津，而知識(shí)圖譜這個(gè)AI界的大IP最火的時(shí)候應(yīng)該是18，19年，彼時(shí)上到頭部大廠下到明星創(chuàng)業(yè)公司都在PR自己圖譜+NLP布局能夠賦予AI認(rèn)知能力。到了當(dāng)下這個(gè)AI總體降溫的時(shí)間節(jié)點(diǎn)，我們是時(shí)候冷靜思考知識(shí)圖譜的未來(lái)到底該何去何從了。

回到這個(gè)問(wèn)題本身：知識(shí)圖譜是否是NLP的未來(lái)呢？

我的看法：知識(shí)圖譜不是NLP的未來(lái)，因?yàn)橹R(shí)圖譜是另外一種與NLP有很多交集的技術(shù)。在目前所有已知的發(fā)展方向中，知識(shí)圖譜是最有可能長(zhǎng)期和NLP互利共生的技術(shù)。

那么，知識(shí)圖譜和NLP到底是什么關(guān)系呢？直覺(jué)上看，機(jī)器學(xué)習(xí)可以類(lèi)比我們?nèi)祟?lèi)學(xué)習(xí)?；仡櫼幌挛覀冏约旱膶W(xué)習(xí)過(guò)程，大腦和感官主要負(fù)責(zé)信息獲取、處理、分析、決策。對(duì)于簡(jiǎn)單問(wèn)題或少數(shù)天才，接受到信息后，只需要在大腦中思考一遍即可得出結(jié)論。但是對(duì)于復(fù)雜問(wèn)題，比如工作匯報(bào)或期末考試，只靠大腦很難記住所有信息，這個(gè)時(shí)候，很多人都會(huì)選擇將一些加工過(guò)的結(jié)構(gòu)化或半結(jié)構(gòu)化的知識(shí)整理成筆記，方便需要的時(shí)候快速回顧。

發(fā)現(xiàn)了嗎？大腦的角色非常類(lèi)似NLP以及其他ML技術(shù)，而筆記幾乎就是KG的靈感來(lái)源。具體來(lái)說(shuō)，NLP在圖譜構(gòu)建過(guò)程中舉足輕重，而圖譜又通過(guò)引入知識(shí)的方式反哺NLP。

不少證據(jù)已經(jīng)表明諸如Bert之類(lèi)的預(yù)訓(xùn)練語(yǔ)言模型本身已經(jīng)存儲(chǔ)了知識(shí)，就像我們的大腦中也存在一些關(guān)鍵記憶一樣，但它不可能將所有現(xiàn)實(shí)世界中的事實(shí)全部?jī)?nèi)化，猶如人腦不可能記住所有見(jiàn)過(guò)的東西一樣，而知識(shí)圖譜通過(guò)引入知識(shí)能緩解NLP的學(xué)習(xí)壓力。另一個(gè)嚴(yán)重的問(wèn)題是，由于NLP技術(shù)目前遠(yuǎn)沒(méi)有人腦智能，模型在訓(xùn)練中記住的知識(shí)實(shí)際上是不可控的（此處可以圍觀隔壁的AI偏見(jiàn)問(wèn)題[1]），這對(duì)NLP技術(shù)的落地應(yīng)用是一個(gè)需要考慮的風(fēng)險(xiǎn)，而在可解釋性方面，知識(shí)圖譜是Bug級(jí)的存在。

知識(shí)圖譜如何賦能NLP技術(shù)？

NLP技術(shù)如何賦能圖譜構(gòu)建的資料很多，知識(shí)圖譜落地應(yīng)用近些年也是進(jìn)展地如火如荼，但，知識(shí)圖譜如何賦能NLP技術(shù)這個(gè)話題聊的人卻不太多。

我自己總結(jié)了最近幾年KG賦能NLP技術(shù)的一些打法，歡迎補(bǔ)充~

預(yù)訓(xùn)練中引入知識(shí)

代表工作：

ERNIE[2]，使用短語(yǔ)和實(shí)體mask策略在中文NLP任務(wù)上取得了較好的效果，其中短語(yǔ)和實(shí)體來(lái)自KG

圖2. ERNIE

K-BERT[3]，預(yù)訓(xùn)練過(guò)程中注入相關(guān)的KG三元組，為模型配備領(lǐng)域知識(shí)，提高模型在特定領(lǐng)域任務(wù)上的性能，同時(shí)降低大規(guī)模預(yù)訓(xùn)練成本。

圖3. K-BERT

信息抽取中做遠(yuǎn)程監(jiān)督

用KG對(duì)齊文本做遠(yuǎn)程監(jiān)督標(biāo)注數(shù)據(jù)是信息抽取領(lǐng)域的大殺器，能夠有效降低人工標(biāo)注成本，可以將實(shí)體抽取、關(guān)系抽取、事件抽取等子任務(wù)一網(wǎng)打盡，用過(guò)的小伙伴都說(shuō)好。

圖4. 遠(yuǎn)程監(jiān)督

實(shí)體鏈接中引入實(shí)體信息

實(shí)體鏈接，就是把文本中的mention鏈接到KG里的entity的任務(wù)。如下圖所示[4]：

圖5. 實(shí)體鏈接

顯然，KG中的實(shí)體信息，如實(shí)體描述、實(shí)體屬性、實(shí)體embedding以及實(shí)體間關(guān)系等都是該任務(wù)的關(guān)鍵特征，想深入了解的朋友請(qǐng)移步[4]。

文本生成中融合知識(shí)

通過(guò)知識(shí)圖譜中的顯示事實(shí)來(lái)指導(dǎo)生成文本是實(shí)現(xiàn)可控文本生成的一個(gè)重要方向，如下所示[5]：

圖6. 文本生成

具體大致分為4種較為典型的方式[6]：

多任務(wù)學(xué)習(xí)（生成+文本蘊(yùn)含）

基于knowledge graph 的文本生成

基于memory network 的文本生成

結(jié)合分布-采樣進(jìn)行文本生成

想詳細(xì)了解的朋友請(qǐng)移步[6]。

語(yǔ)義匹配中引入關(guān)鍵詞信息

在深度語(yǔ)義匹配任務(wù)中，有人發(fā)現(xiàn)，通過(guò)文本中關(guān)鍵詞之間的交互即可較為容易的找到匹配對(duì)象，與其他詞匯關(guān)系不大[7][8]。

圖7. 語(yǔ)義匹配case

因此，考慮通過(guò)從KG中引入特定領(lǐng)域的關(guān)鍵詞表，然后在建模時(shí)highlight關(guān)鍵詞的重要度，從而達(dá)到更好的效果[8]。

圖8. 關(guān)鍵字注意力機(jī)制

責(zé)任編輯：lq