知识卡片
知识图谱为什么能改善搜索
知识图谱对搜索的增益来自三种能力:
- 复杂实体识别:把扁平的识别任务变成层次化识别——先判大类再判子类,比在一堆候选里硬分更稳。
- 推理与语义扩展:不只是同义词替换,而是沿关系推理,从而真正扩大命中率。
- 结构化索引:围绕图谱建索引,召回的是「实体+关系」,比按文本召回调性更合理。
一个具体场景:在大众点评搜「北京烤鸭」,结果里出现某几家饭庄。背后逻辑不是这几家的页面上写了这四个字,而是「商户—菜品」关系与用户评价的认可度被剥离成了与「北京烤鸭」相连的事物——菜谱是一种关系,认同是另一种关系,图谱把两者都存下来。查询换成「哪里的烤鸭最好吃」时,同一套结构依然能返回推荐结果,因为意图落在「商户—菜品」这条边上,而不是某个关键词上。
边界:收益与图谱覆盖度强绑定。图谱没覆盖的长尾实体、图谱关系粒度太粗的领域,都拿不到这部分增益;而且图谱构建与维护成本高,通常只在头部领域(餐饮、商品、影视)先做。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第4章 搜索系统框架及原理 · 查看原书依据
首先,知识图谱可以提供复杂实体识别的能力,可以将扁平的识别任务转化为层次化识别;其次,知识图谱具有一定的推理能力,可以对查询进行真正的语义扩展,从而提高搜索命中率
参考来源
- 位置:《智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)》第4章 搜索系统框架及原理(源文件:extracted/智能搜索和推荐系统:原理、算法与应用(零基础掌握搜索和推荐系统的原理、架构、算法) (智能系统与技术丛书)/_epub-src/text/part0066.html)
- 结论依据:原文逐条列出知识图谱助力搜索的三种能力(层次化识别、语义推理扩展、结构化索引),是本节的核心论点。
- 原始内容:首先,知识图谱可以提供复杂实体识别的能力,可以将扁平的识别任务转化为层次化识别;其次,知识图谱具有一定的推理能力,可以对查询进行真正的语义扩展,从而提高搜索命中率